tsai

tsai：先进的时间序列深度学习库

tsai是一个专注于时间序列和序列数据任务的开源深度学习库。它建立在PyTorch和fastai之上,提供了最先进的技术来处理时间序列分类、回归、预测、插值等任务。

主要特点

• 丰富的模型库：包含许多最新的时间序列模型,如LSTM、GRU、InceptionTime、Transformer等。

• 易用性：提供高级API,可以轻松训练和部署模型。

• 灵活性：支持单变量/多变量、单步/多步预测等多种场景。

• 数据集：内置大量时间序列数据集,便于实验和对比。

• 教程：提供详细的教程和示例,帮助用户快速上手。

最新更新

最近的更新包括:

• 新增模型:PatchTST、RNN with Attention等。

• 扩充数据集:新增了大量分类、回归和预测数据集。

• 新功能:支持scikit-learn风格的管道转换、前向交叉验证等。

• 支持PyTorch 2.0。

安装使用

可以通过pip或conda安装tsai:

pip install tsai

或

conda install -c timeseriesai tsai

快速开始

只需一行代码即可导入所有功能:

from tsai.all import *

示例

tsai提供了简洁的API来处理各种时间序列任务,例如:

• 二分类:

clf = TSClassifier(X, y, arch="InceptionTimePlus")
clf.fit(100, 3e-4)

• 多类分类:

mv_clf = TSClassifier(X, y, arch="InceptionTimePlus")
mv_clf.fit(10, 1e-2)

• 回归:

reg = TSRegressor(X, y, arch="TSTPlus")  
reg.fit(100, 3e-4)

• 预测:

fcst = TSForecaster(X, y, arch="TSTPlus")
fcst.fit(50, 1e-3)

总结

tsai为时间序列深度学习提供了一个强大而易用的工具包,无论是研究还是实际应用都可以从中受益。它正在积极开发中,欢迎社区贡献和使用反馈。