【时序分析】使用skforecast进行时间序列预测并分享14个Python时间序列分析库

使用skforecast进行时间序列预测并分享14个Python时间序列分析库

  • 1. 时间序列分析基础
  • 2. 多步时间序列预测
    • 2.1 递归多步预测
    • 2.2 直接多步预测
    • 2.3 多输出预测
  • 3. 实战:使用skforecast进行时间序列预测
    • 3.1 使用skforecast进行递归自回归预测
      • 1 ForecasterAutoreg
      • 2 回溯测试
      • 3 预测器重要性
    • 3.2 使用skforecast进行外生变量的递归自回归预测
    • 3.3 使用skforest执行直接多步预测
    • 3.4 预测区间
    • 3.5 自定义度量方法
    • 3.6 保存和加载模型
    • 3.7 在生产中使用预测器
  • 4. 其他时间序列分析库
    • 4.1 tsfresh
    • 4.2 AutoTS
    • 4.3 Prophet
    • 4.4 Darts
    • 4.5 AtsPy
    • 4.6 Kats
    • 4.7 Sktime
    • 4.8 Statsmodels
    • 4.9 tslearn
    • 4.10 TSSEARCH
    • 4.11 pmdarima
    • 4.12 Statsforecast
    • 4.13 Pyflux
    • 4.14 PyCart
  • 参考资料

时间序列是一系列按照时间顺序排列的数据,这些数据之间的间隔可以是等距的,也可以是不等距的。 时间序列的预测过程包括通过对时间序列的过去行为进行建模(自回归)或使用其他外部变量来预测时间序列的未来值

本文介绍了如何使用Scikit-learn回归模型来进行时间序列的预测。具体而言,它介绍了Skforecast,一个简单的库,包含了将任何Scikit-learn回归模型适应于预测问题所需的类和函数。
【时序分析】使用skforecast进行时间序列预测并分享14个Python时间序列分析库_第1张图片
Skforecast是一个Python库,可以轻松地将scikit学习回归器用作单步和多步预测器。它还适用于任何与scikit-learn API兼容的回归器(LightGBMXGBoostCatBoost…)。

pip install skforecast

1. 时间序列分析基础

为了将机器学习模型应用于预测问题,需要将时间序列转换为一个矩阵ÿ

你可能感兴趣的:(深度学习与机器学习,python,时间序列分析,skforecast,TimeGPT,tsfresh,AutoTS,递归多步预测)