ourownstory/neural_prophet

解决的问题

NeuralProphet 提供了一个易于学习的可解释时间序列预测框架。它解决了构建不仅准确而且可理解的预测模型的挑战，使用户能够通过人机协作的过程迭代优化模型。

工作原理

基于 PyTorch 构建，该框架结合了传统的时序算法与神经网络。用户仅需几行代码即可定义、自定义和评估模型。系统支持多种模型组件，包括自回归（线性或神经网络）、带自动变化点检测的分段线性趋势、用于季节性（年、日、周、小时）的傅里叶项、滞后和未来回归变量，以及对节假日和自定义事件的事件处理。

适用人群

最适合处理长期（至少两个完整周期或年份）且高频（亚日级）时间序列数据的用户。

主要亮点

• 可解释的组件：包含用于绘制预测组件和模型系数的工具，以更好地理解模型。
• 全局建模：支持在多个时间序列上使用局部、全局或“全局+正则化局部”（glocal）参数。
• 分位数回归：能够估计特定分位数以进行不确定性估计。
• 集成工具：提供内置的绘图函数、时间序列交叉验证工具和模型检查点功能。