pytorch-forecasting: 一個用於可解釋多時段時間序列預測的高階深度學習框架

它解決了什麼問題

PyTorch Forecasting 提供了一個高階 API，用於使用最先進的深度學習架構進行時間序列預測。它簡化了處理複雜時間序列數據、訓練神經網路以及將其部署於實際預測任務的過程。

運作原理

該套件基於 PyTorch Lightning 建構，抽象化了在 CPU 或 GPU 上進行訓練的複雜性。它使用專門的 TimeSeriesDataSet 類別來處理變量轉換、缺失值以及多種歷史長度。使用者可以從多種預先實作的神經網路架構中進行選擇，例如 Temporal Fusion Transformers (TFT)、N-BEATS、N-HiTS 和 DeepAR，並使用多時段指標與透過 Optuna 進行的超參數調優來進行優化。

對象是誰

它專為在時間序列預測中尋求最大靈活性之專業人士，以及需要合理的預設值以快速入門的初學者而設計。

重點特色

• 最先進的模型：包含 Temporal Fusion Transformers、N-BEATS、N-HiTS 和 DeepAR 的實作。
• 數據抽象化：一個專門用於管理時間序列元數據與轉換的數據集類別。
• 可擴展的訓練：利用 PyTorch Lightning 進行自動日誌記錄與跨硬體的無縫擴展。
• 可解釋性：包含具有內建解釋能力的模型，以及實際值與預測值對比的通用視覺化功能。