Nixtla/neuralforecast

Scalable and user friendly neural :brain: forecasting algorithms.

What it solves

NeuralForecast 解决了实现尖端神经预测模型的困难。许多现有的实现方式难以使用、计算成本高昂，且往往无法超越传统的统计方法。该库提供了一个专门为时间序列预测设计的、用户友好、高效且鲁棒的神经网络集合。

How it works

它为广泛的神经预测架构提供了一个统一的接口（使用类似于 scikit-learn 的熟悉的 .fit and .predict 语法）。这些架构范围从经典的 RNNs（如 LSTM 和 GRU）和 CNNs（TCN）到现代的 Transformer-based 模型（如 PatchTST 和 iTransformer）以及专门的架构如 N-BEATS 和 NHITS。该库还支持外生变量、静态协变量以及通过分位数损失和参数分布进行概率预测。

Who it’s for

需要使用深度学习模型进行高精度时间序列时间序列预测，但又不需要从头开始构建这些复杂的架构的数据科学家和机器学习工程师。

Highlights

  • Extensive Model Library: Includes over 030 种尖端模型，包括 NHITS 和 NBEATSx 的官方实现。
  • Usability: Uses a scikit-learn 风格 API，以便于集成到现有工作流中。
  • Advanced Forecasting: Supports 概率预测和包含外生回归量。
  • Optimization: Integrates with Ray 和 Optuna 进行分布式自动超参数 tuning.
  • Transfer Learning: Ability to 使用 transfer learning 技术进行最小化历史数据预测。