Python庫AutoTS一行代碼得到最強時序基線
時間序列問題無論是在銷量預測,天氣預測還是在股票預測等問題中都至關重要,而如今隨著機器學習等快速發(fā)展,已經(jīng)出現(xiàn)了非常多時間序列建模相關的工具包,今天介紹一種非常霸道的工具,融合了自動化機器學習技術開發(fā)的AutoTS。
Auto TS會先對數(shù)據(jù)進行預處理,從數(shù)據(jù)中刪除異常值,通過學習尋找最佳的NaN值。只需使用一行代碼,就可以訓練多個時間序列模型,包括ARIMA、SARIMAX、FB Prophet、VAR,并得出效果最佳的模型。

AutoTS
Auto TS是一個關于時間序列預測的開源Python庫。
該庫是 autoML 的一部分,其目標是為初學者提供自動化庫。
它可以在僅僅使用一行Python代碼中訓練多個時間序列預測模型,包括ARIMA、SARIMAX、FB Prophet、VAR等,然后在從中選擇最佳模型進行預測。其中AutoTS包含的技術有:
- 遺傳規(guī)劃優(yōu)化方法尋找最優(yōu)時間序列預測模型。
- 訓練簡單的模型、統(tǒng)計模型、機器學習模型和深度學習模型,同時涉及到所有可能的超參數(shù)配置和交叉驗證。
- 其它
代碼
# !pip install autots
from autots import auto_timeseries
import pandas as pd
df = pd.read_csv("./data/data.csv", usecols=['Date', 'Close'])
df['Date'] = pd.to_datetime(df['Date'])
df = df.sort_values('Date')train_df.Close.plot(figsize=(15,8), title= 'AMZN Stock Price', fontsize=14, label='Train') test_df.Close.plot(figsize=(15,8), title= 'AMZN Stock Price', fontsize=14, label='Test') plt.legend() plt.grid() plt.show()

model = auto_timeseries(forecast_period=219, score_type='rmse', time_interval='D', model_type='best') model.fit(traindata= train_df, ts_column="Date", target="Close") future_predictions = model.predict(testdata=219)

小結
Auto TS是一個非常不錯的時間序列Baseline工具包,集成了非常多經(jīng)典的時序模型,在碰到時間序列問題時,可以考慮使用AutoTS來進行訓練和預測,作為一個非常不錯的基線。
參考文獻
Train multiple Time Series Forecasting Models in one line of Python Code
https://pypi.org/project/AutoTS/
https://github.com/winedarksea/AutoTS
到此這篇關于AutoTS一行代碼得到最強時序基線的文章就介紹到這了,更多相關AutoTS時序基線內容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家!
相關文章
tensorflow建立一個簡單的神經(jīng)網(wǎng)絡的方法
本篇文章主要介紹了tensorflow建立一個簡單的神經(jīng)網(wǎng)絡的方法,小編覺得挺不錯的,現(xiàn)在分享給大家,也給大家做個參考。一起跟隨小編過來看看吧2018-02-02
Django使用裝飾器限制對視圖的訪問及實現(xiàn)原理
除了可以在視圖處理中校驗用戶身份以及驗證用戶權限之外,Django還提供了便捷的裝飾器來完成這兩類校驗,下面介紹這兩個裝飾器的使用方法與實現(xiàn)原理,對Django裝飾器限制視圖訪問相關知識感興趣的朋友一起看看吧2022-10-10

