Sktime:带时间序列的机器学习统一Python工具箱

sktime是用于时间序列的Python机器学习工具箱,具有用于多个学习任务的统一界面。目前支持:

  • 预测,
  • 时间序列分类
  • 时间序列回归。

sktime提供了专用的时间序列算法和scikit-learn兼容工具,用于构建,调整和评估组合模型。

有关深度学习的方法,请参见配套软件包:sktime-dl

文献资料

  • 在PyData Amsterdam 2020上观看有关时间序列机器学习的在线教程:[repo]
  • 示例笔记本 -您可以在Binder上运行它们而无需安装任何东西!
  • 阅读详细API参考

API概述

sktime是用于带时间序列的机器学习统一工具箱。时间序列会引发多种学习任务(例如,预测和时间序列分类)。sktime的目标是提供解决这些任务的所有必要工具,包括专用的时间序列算法以及用于构建,调整和评估组合模型工具。

这些任务中有许多是相关的。可以解决其中一个问题的算法通常可以重复使用,以帮助解决另一个问题以简化解决问题方法。sktime的统一界面可以轻松地将一项任务的算法改编为另一项任务。

有关更多详细信息,请查看相关论文

目前,sktime提供:

  • 从基于Java的tsml工具包移植的用于时间序列分类和回归的最新算法以及预测
  • Transformers,包括单系列变换(例如,去趋势或反季节化)和按功能排序的变换(例如,特征提取器),以及组成不同Transformers的工具,
  • 流程化
  • 调优
  • 整合,例如用于时间序列分类和回归的完全可定制的随机森林,以及针对多变量问题的整合,

有关已实现方法的列表,请参见估算器概述

此外,sktime包括一个实验性的高级API,它统一了多个学习任务,部分受mlropenML的API启发。

发展路线图

sktime正在积极开发中。目前正在寻找新的贡献者

  1. 基于修改后的pysf API的多变量/面板预测,
  2. 无监督学习,包括时间序列聚类,
  3. 时间序列注释,包括分段和离群值检测,
  4. 专业的数据容器,可有效处理建模工作流程中的时间序列/面板数据以及时间序列元数据的分离,
  5. 时间序列的概率建模框架,包括基于改编的skpro接口生存和点过程模型。

上一篇:

下一篇:


标签