unit8co/darts

它解决了什么问题

Darts 旨在简化 Python 中的时间序列预测和异常检测。它为多种模型提供统一的接口，使用户能够轻松在经典统计方法和现代深度学习架构之间切换，而无需更改核心工作流程。

它如何工作

该库引入了一个 TimeSeries 对象，以标准化不同模型间数据的处理方式。它采用类似 scikit-learn 的 API（fit() 和 predict()）来确保一致性。Darts 支持单变量和多变量时间序列，以及外部数据（过去和未来的协变量）和静态元数据的集成，以提升预测效果。

适用人群

适用于需要执行时间序列分析的数据科学家和机器学习工程师，从简单的基线预测到复杂的深度神经网络，以及需要构建稳健异常检测系统的用户。

主要特性

• 丰富的模型套件： 包括从 ARIMA 和指数平滑到 N-BEATS 等深度学习模型。
• 异常检测： 专门的模块用于异常评分、检测和聚合，支持与 PyOD 集成。
• 全局模型训练： 可同时在多个时间序列上训练基于机器学习的模型，以扩展到大规模数据集。
• 概率预测： 支持随机时间序列，生成置信区间和分位数预测。
• 全面的工具支持： 内置用于回测、数据处理（缩放、填充缺失值）以及分层预测校正的实用工具。
• 基础设施集成： 深度学习模型由 PyTorch Lightning 驱动，并与 MLflow 集成以实现实验跟踪。

一个真正统一的、用户友好的时间序列分析库，让从经典方法到前沿深度学习的转换变得轻而易举。— @johannfaouzi