sktime/sktime

解决的问题

sktime 是一个旨在为各种时间序列分析任务提供统一接口的 Python 库。它解决了不同算法和库在预测、分类和聚类方面 API 不一致的问题，这些不一致导致在不同技术之间构建、调优和验证模型变得困难，从而打破了原本碎片化的生态系统。

如何工作

它为多种时间序列学习任务提供标准化 API，包括预测、分类、回归、聚类以及异常/变化点检测。该库包含其自身的专用时间序列算法，并提供与 scikit-learn、statsmodels 和 fbprophet 等其他流行库的接口。它还支持通过管道、集成和缩减技术构建复合模型，允许用户将为某一任务设计的算法应用于另一任务。

适用人群

需要一致框架来构建和评估时间序列模型的数据科学家和机器学习工程师。

主要亮点

• 统一接口：预测、分类、回归和聚类的单一 API。
• 互操作性：与 scikit-learn 兼容，并提供与 statsmodels 和 tsfresh 等其他库的接口。
• 复合模型构建：提供管道、调优和集成的工具。
• 可扩展性：提供扩展模板，允许用户添加与 API 兼容的自定义算法。