neuralforecast

nixtla

신경? 예측

사용자 친화적 인 최첨단 신경 예측 모델

Neuralforecast는 성능, 유용성 및 견고성에 중점을 둔 다양한 신경 예측 모델을 제공합니다. 이 모델은 RNNS와 같은 클래식 네트워크에서 MLP , LSTM , GRU , RNN , TCN , TimesNet , BiTCN , DeepAR , NBEATSx , NBEATS , NHITS , TiDE , DeepNPTS , TSMixer , TSMixerx , MLPMultivariate , DINEAR, DINIAR, DLinear , TFT , NLinear , Informer , AutoFormer , FedFormer , PatchTST , iTransformer , StemGNN 및 TimeLLM .

설치

다음과 함께 NeuralForecast 설치할 수 있습니다.

 pip install neuralforecast

또는

 conda install - c conda - forge neuralforecast

자세한 내용은 설치 안내서를 vist하십시오.

빠른 시작

최소한의 예

 from neuralforecast import NeuralForecast
from neuralforecast . models import NBEATS
from neuralforecast . utils import AirPassengersDF

nf = NeuralForecast (
    models = [ NBEATS ( input_size = 24 , h = 12 , max_steps = 100 )],
    freq = 'M'
)

nf . fit ( df = AirPassengersDF )
nf . predict ()

이 빠른 가이드로 시작하십시오.

왜?

예측 파이프 라인의 정확성과 효율성을 향상시키는 신경 예측 방법의 용량에 대한 공유 된 신념이 있습니다.

불행히도, 이용 가능한 구현과 출판 된 연구는 아직 신경망의 잠재력을 인식하지 못했습니다. 그것들은 사용하기 어렵고 계산적으로 금지되는 동안 통계적 방법에 비해 지속적으로 개선하지 못합니다. 이러한 이유로, 우리는 유용성에 중점을 둔 정확하고 효율적인 모델을 선호하는 라이브러리 인 NeuralForecast 만들었습니다.

특징

• 30 개 이상의 최첨단 모델을 빠르고 정확한 구현. 여기에서 전체 컬렉션을 참조하십시오.
• 외인성 변수 및 정적 공변량에 대한 지원.
• 추세, 계절성 및 외인성 구성 요소에 대한 해석 방법.
• 양자 손실 및 파라 메트릭 분포에 대한 어댑터가있는 확률 론적 예측.
• 스케일 의존적, 비율 및 스케일 독립 오류 및 매개 변수 가능성을 갖는 열차 및 평가 손실.
• 분산 자동 하이퍼 파라미터 튜닝을 사용한 자동 모델 선택.
• 친숙한 Sklearn Syntax : .fit and .predict .

하이라이트

• AAAI 2023에 게시 된 공식 NHITS 구현. 종이 및 실험을 참조하십시오.
• International Journal of Forecasting에 게시 된 공식 NBEATSx 구현. 종이를 참조하십시오.
• StatsForecast , MLForecast 및 HierarchicalForecast 인터페이스 NeuralForecast().fit(Y_df).predict() , 입력 및 출력으로 통합.
• 시각화 및 데이터가 완성 된 효율적인 방법을 위해 utilsforecast 및 coreforecast 와의 내장 통합.
• 자동 하이퍼 파라미터 최적화를 위해 Ray 및 Optuna 와의 통합.
• 이전 학습을 사용하여 역사가 거의 또는 전혀 예측하십시오. 여기에서 실험을 확인하십시오.

뭔가 빠졌나요? 문제를 열거나 우리를 쓰십시오

예와 가이드

문서 페이지에는 모든 예제 및 튜토리얼이 포함되어 있습니다.

? 자동 하이퍼 파라미터 최적화 : Ray 또는 Optuna 의 Auto 모델을 사용한 쉽고 확장 가능한 자동 하이퍼 파라미터 최적화.

? ️ 외인성 회귀 자 : 날씨 나 가격과 같은 정적 또는 시간적 외인성 공변량을 통합하는 방법.

? 변압기 모델 : 많은 최첨단 변압기 모델로 예측하는 방법을 배우십시오.

? 계층 적 예측 : 0이 아닌 관측치가 거의없는 예측 시리즈.

? ‍? 나만의 모델 추가 : 라이브러리에 새 모델을 추가하는 방법을 알아보십시오.

모델

여기에서 전체 컬렉션을 참조하십시오.

모델이 없습니까? 문제를 열거나 우리를 쓰십시오

기여하는 방법

프로젝트에 기여하려면 기여 가이드 라인을 참조하십시오.

참조

이 작업은 여기에 제시된 신경 예측 방법에 대한 이전 기고자 및 다른 학자의 환상적인 작업에 크게 영향을받습니다. 우리는 Boris Oreshkin, Slawek Smyl, Bryan Lim 및 David Salinas의 작품을 강조하고 싶습니다. 우리는 Benidis et al. 신경 예측 방법에 대한 포괄적 인 조사.

기고자

이 멋진 사람들에게 감사합니다 (이모티콘 키) :

아잘 ?	크리스티안 challu ?	호세 모랄레스 ?	Mergenthaler	혈연 ? ?	Greg Devos ?	알레한드로
Stefanialvs ?	이코 아시민 ?	vglaucus ?	피에트로 몬티콘 ?

이 프로젝트는 All-Contritors 사양을 따릅니다. 모든 종류의 공헌을 환영합니다!