Nixtla/statsforecast

解决的问题

StatsForecast 提供了一个用于单变量时间序列预测的高性能库。它解决了现有的 Python 统计模型替代方案过于缓慢、不准确或无法在生产环境中扩展到数百万个时间序列的问题。

工作原理

该库实现了多种统计和计量经济模型（如 AutoARIMA、AutoETS、AutoCES 和 Theta），在速度和准确性方面进行了优化。它采用熟悉的 sklearn 风格的 .fit 和 .predict 语法，便于集成到现有工作流中。为了处理大规模数据集，它提供了与 Spark、Dask 和 Ray 等分布式计算框架的开箱即用兼容性。

适用人群

需要为大量时间序列数据集生成预测，并要求高性能、概率性预测或能够扩展到数百万个序列的数据科学家和机器学习工程师。

主要亮点

• 极致速度：比 Prophet 快最多 500 倍，比 pmdarima 快最多 20 倍。
• 可扩展性：使用 Ray，可在 5 分钟内对 100 万个序列拟合 10 个基准模型。
• 全面的模型套件：包含自动预测工具、ARIMA 系列、Theta 系列、支持多重季节性的 MSTL、用于波动率的 GARCH/ARCH，以及针对稀疏或间歇性需求的专用模型。
• 高级功能：支持外生变量、静态协变量、预测区间和异常检测。