分层时间序列预测
scikit-hts的Python项目详细描述
使用熟悉的API的分层时间序列
概述
{Hyndman在这个包上开发了一个优秀的python实现 一般的分层时间序列建模。在
[1] | Forecasting Principles and Practice. Rob J Hyndman and George Athanasopoulos. Monash University, Australia. |
注意
STATUS:阿尔法。积极发展,但可能会出现突破性的变化。在
特点
- 在python 3.6、python 3.7和python 3.8上支持和测试
- 实施自下而上、自上而下、中间向外、预测比例、平均历史比例, 历史平均值比例与OLS修正方法
- 支持多种基础预测模型,包括:SARIMAX、ARIMA、Prophet、Holt Winters
- Scikit学习API
- 地理空间数据的地理事件处理功能,包括可视化功能
- 静态类型为一个良好的开发体验
- 分布式训练与Dask集成:与Dask并行或集群进行训练和预测
示例
您可以在这里找到代码用法:https://github.com/carlomazzaferro/scikit-hts-examples
路线图
- 更灵活的底层建模支持
- [P] AR、ARIMAX、VARMAX等
- [P] 带上你自己的模型
- [P] 每个模型的不同参数
- 将调节方法与预测拟合解耦
- [W] 允许对预装车型使用调节方法
P:计划
W:在制品
0.1.0(2020-01-02)
- PyPI的第一个版本。在
0.2.0(2018-02-13)
- 主要功能实现和文档
- 静态打字
- 测试-覆盖率44%
0.2.3(2020年3月28日)
- 测试高达75%
- 外生变量支持
- 广泛的文档
0.3.0(2020年3月28日)
- 并行分布式训练
0.4.0(2020年3月28日)
- 测试所有对账方法,线路覆盖率>80%
0.4.1(2020年3月28日)
- Python3.6支持
0.5.2(2020年3月28日)
- 增加了不修改的支持,谢谢@ryanvolpi
- 在https://github.com/carlomazzaferro/scikit-hts-examples添加了多个示例,谢谢@vtoliveria
- 日志修复和可用性改进
- 项目
标签: