Nixtla/neuralforecast

解決的問題

NeuralForecast 解決了實現先進神經網絡預測模型的困難。許多現有的實現方式難以使用、計算成本高昂，且經常無法超越傳統統計方法的表現。此套件提供了一組準確、高效且使用者友善的神經網絡，適用於時間序列預測。

如何運作

它提供統一的介面（使用熟悉的 .fit 和 .predict 語法），可存取超過 30 種不同的神經預測模型，範圍從經典的 RNN（如 LSTM 和 GRU）到現代的 Transformer（如 PatchTST 和 iTransformer）。支援外生變數、靜態共變數，以及使用分位數損失和參數化分佈的機率預測。

適用對象

需要進行高準確度時間序列預測的資料科學家與機器學習工程師，希望避免從零開始實現這些模型的複雜性。

主要特色

• 廣泛的模型庫：包含超過 30 種先進模型，包括 NHITS、NBEATSx 和 TimeLLM。
• 自動優化：整合 Ray 與 Optuna，支援分散式自動超參數調校。
• 可解釋性：提供分析趨勢、季節性與外生變數成分的方法。
• 遷移學習：可利用遷移學習技術，以極少歷史資料進行預測。
• 統一生態系：與 StatsForecast、MLForecast 和 HierarchicalForecast 無縫整合。