欢迎大家来到IT世界,在知识的湖畔探索吧!
时间序列问题无论是在销量预测，天气预测还是在股票预测等问题中都至关重要，而如今随着机器学习等快速发展，已经出现了非常多时间序列建模相关的工具包，今天介绍一种非常霸道的工具，融合了自动化机器学习技术开发的AutoTS。
Auto TS会先对数据进行预处理，从数据中删除异常值，通过学习寻找最佳的NaN值。只需使用一行代码，就可以训练多个时间序列模型，包括ARIMA、SARIMAX、FB Prophet、VAR，并得出效果最佳的模型。
AutoTS
Auto TS是一个关于时间序列预测的开源Python库。
它可以在仅仅使用一行Python代码中训练多个时间序列预测模型，包括ARIMA、SARIMAX、FB Prophet、VAR等，然后在从中选择最佳模型进行预测。其中AutoTS包含的技术有：
- 遗传规划优化方法寻找最优时间序列预测模型。
- 训练简单的模型、统计模型、机器学习模型和深度学习模型，同时涉及到所有可能的超参数配置和交叉验证。
- 其它
代码
代码摘自：https://medium.com/towards-data-science/train-multiple-time-series-forecasting-models-in-one-line-of-python-code-615f2253b67a
# !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') 欢迎大家来到IT世界,在知识的湖畔探索吧!
欢迎大家来到IT世界,在知识的湖畔探索吧!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)小结
Auto TS是一个非常不错的时间序列Baseline工具包，集成了非常多经典的时序模型，在碰到时间序列问题时，可以考虑使用AutoTS来进行训练和预测，作为一个非常不错的基线。
参考文献
Train multiple Time Series Forecasting Models in one line of Python Code
https://pypi.org/project/AutoTS/
https://github.com/winedarksea/AutoTS
免责声明：本站所有文章内容,图片，视频等均是来源于用户投稿和互联网及文摘转载整编而成，不代表本站观点，不承担相关法律责任。其著作权各归其原作者或其出版社所有。如发现本站有涉嫌抄袭侵权/违法违规的内容,侵犯到您的权益，请在线联系站长,一经查实,本站将立刻删除。 本文来自网络,若有侵权，请联系删除，如若转载，请注明出处：https://itzsg.com/86258.html
