sktime/sktime

解決的問題

sktime 是一個旨在為各種時間序列分析任務提供統一介面的 Python 函式庫。它透過允許使用者透過一致的 API 使用來自多個函式庫（如 scikit-learn、statsmodels 和 fbprophet）的不同演算法和工具，解決了時間序列生態系統的碎片化問題。

工作原理

它作為一個框架運作，既提供其專用的時間序列演算法，也提供與其他流行機器學習函式庫的介面。它支援廣泛的學習任務，包括：

• Forecasting: 預測時間序列的未來值。
• Classification: 對時間序列數據進行分類。
• Regression: 從時間序列數據中預測連續值。
• Clustering: 將相似的時間序列分組。
• Detection: 識別異常或轉折點。
• Transformations: 對時間序列應用數據轉換。

使用者可以使用用於流水線、集成、調優和約簡的工具來構建複合模型，這使得他們可以使用為一項任務設計的演算法（例如 scikit-learn 回歸器）來解決另一項任務（例如預測任務）。

適用對象

處理時間序列數據，並需要一種標準化方法在不同演算法和函式庫之間構建、調優和驗證模型的資料科學家和機器學習工程師。

亮點

• Unified Interface: 用於預測、分類、回歸和異常檢測的單一 API。
• Scikit-learn Compatible: 旨在與用於調優和驗證的 scikit-learn 工具相容。
• Interoperable: 提供與 statsmodels、tsfresh、PyOD 和 fbprophet 等外部函式庫的介面。
• Extensible: 包含擴充範本，幫助使用者將自定義演算法添加到框架中。