awslabs/gluonts

What it solves

GluonTS 提供了一個機率性時間序列建模的框架。它解決了預測不僅僅是單點估計，而是機率分佈的挑戰，讓使用者能夠理解其預測的不確定性與預測區間。

How it works

該函式庫建立在 PyTorch 之上，專注於基於深度學習的模型（例如 DeepAR）來分析時間序列數據。它允許使用者透過 Pandas 載入數據，將其拆分為訓練集和測試集，並訓練估計器來生成可以視覺化為陰影預測區間的機率性預測。

Who it's for

需要使用 Python 進行神經時間序列預測和機率性建模的資料科學家與研究人員。

Highlights

• Probabilistic Forecasting: 生成機率分佈而非單一數值的預測。
• Deep Learning Integration: 專為基於 PyTorch 的深度學習模型設計。
• Pandas Integration: 使用 PandasDataset 簡化數據載入與準備工作。
• Academic Foundation: 由 JMLR 和 arXiv 中的多篇科學論文支持。