wwrechard/pydlm

解決的問題

PyDLM 是一個專為時間序列建模設計的 Python 庫。它提供一個靈活的框架，透過將時間序列分解為趨勢、季節性等不同成分，來分析與預測時間序列資料，讓使用者能處理複雜模式並提升預測準確度。

工作原理

該庫基於貝葉斯動態線性模型（DLM）。它採用狀態空間方法，將時間序列建模為多個成分的總和。使用者可以透過組合以下不同成分來建構模型：

• 線性／二次趨勢：用於捕捉資料的整體移動方向。
• 季節性：用於捕捉特定週期（例如週或年）內的重複模式。
• 動態回歸：使用 dynamic 成分來納入隨時間變化的外部預測變數（特徵）。

模型定義後，透過前向濾波與後向平滑對資料進行擬合，產生濾波結果、未來一天的預測與信賴區間。

適用對象

需要在 Python 中進行貝葉斯時間序列分析、分解與預測的資料科學家與分析師，特別是尋找 R 套件 bsts 替代方案的人。

主要亮點

• 靈活的模型建構：透過 + 運算子將趨勢、季節性、動態回歸等成分組合起來建構模型。
• 支援 Pandas 輸入：dlm 與 dynamic 類別支援 Pandas 輸入。
• 快速推論：針對快速模型擬合與推論進行優化。
• 全面的可視化：內建繪圖函數，可視化擬合結果、預測與各個成分。