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mlr和openML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。