NeuralProphet是一个易于学习的可解释时间序列预测框架。它基于PyTorch构建,结合了神经网络和传统的时间序列算法,灵感来源于Facebook Prophet和AR-Net。这个项目目前仍处于测试阶段,但已经展现出了强大的功能和潜力。
NeuralProphet的设计理念是实现快速、可解释和可定制的时间序列预测。它具有以下几个突出特点:
简单易用:只需几行代码,用户就可以定义、自定义、可视化和评估自己的预测模型。
人机交互:该框架专为迭代式的人机交互模型构建而设计。用户可以快速构建初始模型,解释结果,然后进行改进和重复,直到得到满意的结果。
适用范围:NeuralProphet最适合用于高频(次日级)和长期(至少两个完整周期/年)的时间序列数据。
丰富的模型组件:包括自回归、趋势、季节性、滞后回归器、未来回归器和事件等。
多时间序列支持:可以拟合具有(部分)共享模型参数的全局/局部模型。
不确定性估计:通过分位数回归估计特定分位数的值。
用户可以通过pip直接安装NeuralProphet:
pip install neuralprophet
对于计划在Jupyter notebook中使用的用户,建议安装"live"版本:
pip install neuralprophet[live]
使用NeuralProphet的基本步骤如下:
NeuralProphet拥有活跃的社区支持。用户可以在GitHub上参与讨论,提出问题或建议。此外,还有一个活跃的Slack社区,欢迎加入交流。
NeuralProphet团队正在积极开发新功能,包括滞后回归器的交叉关系、多系列的静态元数据回归、趋势组件的逻辑增长等。
NeuralProphet作为一个开源社区项目,为时间序列预测领域带来了新的可能性。它结合了传统方法的可解释性和神经网络的灵活性,为用户提供了一个强大而易用的预测工具。无论是研究人员还是实践者,都可以从这个项目中受益,并为其进一步发展做出贡献。
AI辅助编程,代码自动修 复
Trae是一种自适应的集成开发环境(IDE),通过自动化和多元协作改变开发流程。利用Trae,团队能够更快速、精确地编写和部署代码,从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能,是提升开发效率的理想工具。
AI小说写作助手,一站式润色、改写、扩写
蛙蛙写作—国内先进的AI写作平台,涵盖小说、学术、社交媒体等多场景。提供续写、改写、润色等功能,助力创作者高效优化写作流程。界面简洁,功能全面,适合各类写作者提升内容品质和工作效率。