unit8co/darts

解決的問題

Darts 旨在簡化 Python 中的時間序列預測與異常檢測。它為廣泛的模型提供了統一的介面，讓使用者能在傳統統計方法與現代深度學習架構之間輕鬆切換，而無需更改其核心工作流程。

運作方式

該函式庫引入了 TimeSeries 物件，標準化了跨不同模型的資料處理方式。它使用類似 scikit-learn 的 API（fit() 與 predict()）來確保一致性。Darts 支援單變量與多變量時間序列，並支援整合外部資料（過去與未來的共變量）以及靜態元資料，以提升預測準確度。

適用對象

本函式庫專為需要執行時間序列分析的資料科學家與機器學習工程師而設計，涵蓋從簡單的基準預測到複雜的深度神經網路，以及需要建構穩健異常檢測系統的使用者。

特色

• 多樣化的模型套件： 包含從 ARIMA 與指數平滑法到 N-BEATS 等深度學習模型的各種方法。
• 異常檢測： 專門用於異常評分器、檢測器與聚合器的模組，並包含與 PyOD 的整合。
• 全域模型訓練： 能夠同時在多個時間序列上訓練基於機器學習的模型，以擴展至大型資料集。
• 機率預測： 支援隨機時間序列，以產生信賴區間與分位數預測。
• 全方位工具： 內建用於回測、資料處理（縮放、填補缺失值）與階層式預測調和的工具。
• 基礎架構整合： 深度學習模型由 PyTorch Lightning 驅動，並與 MLflow 整合以進行實驗追蹤。