作者:392399224_619416 | 来源:互联网 | 2023-01-18 09:08
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
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。
该库是 automl 的一部分,其目标是为初学者提供自动化库。
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
# !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
到此这篇关于autots一行代码得到最强时序基线的文章就介绍到这了,更多相关autots时序基线内容请搜索<编程笔记>以前的文章或继续浏览下面的相关文章希望大家以后多多支持<编程笔记>!
需要了解更多python教程分享Python库AutoTS一行代码得到最强时序基线,都可以关注python教程分享栏目&#8212;编程笔记