awslabs/gluonts

What it solves

GluonTS 提供了一个概率性时间序列建模的框架。它解决了预测不仅仅是单点估计，而是概率分布的挑战，允许用户理解其预测的不确定性和预测区间。

How it works

该库基于 PyTorch 构建，专注于基于深度学习的模型（如 DeepAR）来分析时间序列数据。它允许用户通过 Pandas 加载数据，将其拆分为训练集和测试集，并训练估计器来生成可以可视化为阴影预测区间的概率性预测。

Who it's for

需要在 Python 中进行神经时间序列预测和概率性建模的数据科学家和研究人员。

Highlights

• Probabilistic Forecasting: 生成概率分布而非单一数值的预测。
• Probabilistic Forecasting: 生成概率分布而非单一数值的预测。
• Deep Learning Integration: 专门为基于 PyTorch 的深度学习模型设计。
• Pandas Integration: 使用 PandasDataset 简化数据加载和准备工作。
• Academic Foundation: 由 JMLR 和 arXiv 中的多篇科学论文支持。