NeuralProphet 1.0.0rc8 документация

Объединение традиционных алгоритмов временных рядов с использованием стандартных методов глубокого обучения, созданных на основе PyTorch, вдохновленных Facebook Prophet и AR-Net.

Простой пример

>>> from neuralprophet import NeuralProphet
>>> m = NeuralProphet()
>>> metrics = m.fit(df)
>>> forecast = m.predict(df)
>>> m.plot(forecast)

Функции

NeuralProphet предлагает множество возможностей моделирования временных рядов и рабочих процессов в простом пакете:

• Поддержка глобального моделирования множества временных рядов.

• Автоматический выбор гиперпараметров, связанных с обучением.

• Средства построения графиков для компонентов прогноза, коэффициентов модели и окончательных предсказаний.

• Локальный контекст через авторегрессию и лаговые ковариаты.

• Изменяющиеся тенденции и плавная сезонность в различные периоды.

• Моделирование событий, праздников и будущих регрессорных эффектов.

• Множество вариантов настройки, таких как регуляризация.

Ресурсы

• Read the paper

• GitHub repository