sktime/skpro

解决的问题

skpro 是一个用于 Python 的监督概率预测库。它解决了不仅提供单一点估计（如均值）的模型，而是提供一系列可能结果、区间、分位数或完整概率分布的模型的需求。这在表格数据和生存分析中的风险评估与不确定性量化方面尤其有用。

如何工作

该库为多个关键组件提供了类似 scikit-learn 的接口：

• 概率回归器：用于生成表格数据的区间、分位数和分布预测的工具。
• 生存预测：用于概率性时间-事件预测的工具，提供个体化的生存分布。
• 约简方法：使用自助法或合规预测等技术，将标准 scikit-learn 回归器转换为概率模型的机制。
• 评估指标：专门用于评估概率预测质量的指标，如分位数损失、经验覆盖度和连续排名概率评分（CRPS）。
• 概率分布：具有 pandas 类似接口的符号化概率分布。

适用人群

需要量化预测不确定性而非依赖点估计的数据科学家和机器学习实践者，以及从事生存分析（时间-事件预测）的人。

主要亮点

• 与 scikit-learn 兼容：完全兼容 scikit-learn 和 sktime，可轻松集成到现有机器学习流水线中。
• 复合模型：支持使用概率性能指标进行调优的流水线和复合模型构建。
• 互操作性：与 MAPIE、ngboost 和 cyclic-boosting 等流行包具有接口兼容性。
• 全面的评估指标：包含专门用于评估概率预测的工具套件。