LongxingTan/Time-series-prediction

解決的問題

TFTS（TensorFlow Time Series）提供一個統一且易於使用的介面，用於實現預測、分類與異常檢測等時間序列任務。它簡化了將傳統與最尖端的深度學習模型應用於時間序列資料的過程，減少在 TensorFlow 或 Keras 中設定訓練與評估流程所需的重複程式碼。

工作原理

此套件使用 AutoModel 與 AutoConfig 系統，讓使用者能快速切換不同模型架構。支援多種架構，包括 RNN、Transformers、Informer、Autoformer 與 N-beats。使用者可提供多種格式的資料（NumPy 陣列、tf.data.Dataset 或 tf.keras.utils.Sequence），並使用 KerasTrainer 處理訓練迴圈與結果視覺化。

適用對象

本工具專為研究人員、產業專業人士以及需要使用 TensorFlow 生態系統快速實現與訓練時間序列模型的競賽參與者設計。

主要特色

• 廣泛的模型支援：包含 Informer、Autoformer、TCN、BERT 與 Temporal Fusion Transformer (TFT) 等先進模型。
• 彈性的資料輸入：支援多種資料格式，包括 NumPy 陣列與 TensorFlow 資料集。
• 高度可客製化：允許使用者透過結合 TFTS 骨幹與自訂嵌入層或特定任務的頭層，建構自訂模型。
• 經實證的效能：已在 KDD Cup 2022 與 Tianchi-ENSO 預測競賽的獲獎作品中實際應用。