neural_prophet

NeuralProphet：人性化的时间序列预测框架

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。

主要特点

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：

1. 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。

2. 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。

3. 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。

4. 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。

5. 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。

6. 不确定性估计：通过分位数回归估计特定分位数的值。

安装和使用

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：

1. 导入包
2. 创建模型实例
3. 拟合模型
4. 进行预测
5. 可视化结果

社区和支持

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。

未来展望

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。

总结

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。