tsai: 一個用於時間序列與序列數據的深度學習函式庫，包含豐富的 SOTA 模型集合

它解決了什麼問題

tsai 是一個旨在簡化時間序列與序列數據之尖端技術實現的深度學習函式庫。它為分類、回歸、預測和填補等任務提供了一個統一的框架，降低了構建和訓練這些模型的複雜度。

運作原理

tsai 基於 PyTorch 和 fastai 構建，為訓練和推理提供高階 API。它支持多種模型架構，包括 LSTMs、GRUs、Transformers（例如 PatchTST 和 TST）以及專門的時間序列模型，如 InceptionTime 和 MiniRocket。該函式庫透過 SlidingWindow 和 TSStandardize 等工具處理數據準備，並要求時間序列模型的輸入數據為 3D 陣列格式（[samples x variables x sequence length]）。

目標對象

需要將深度學習應用於時間序列數據以進行預測或分類任務的數據科學家、ML 工程師和研究人員。

重點特色

• 豐富的模型庫 (Model Zoo)：包含從傳統 RNNs 到現代 Transformers 和 CNNs 的大量 SOTA 模型。
• 全面的數據集存取：內建支持下載超過 200 個用於分類、回歸和預測的單變量與多變量數據集。
• 靈活的預測功能：支持單步和多步預測，適用於單變量和多變量輸入/輸出。
• 整合式流水線 (Pipeline)：提供 sklearn 類型的 pipeline transforms 和 walk-forward cross-validation，以提高模型的準確性和評估效果。