python教程分享Python库AutoTS一行代码得到最强时序基线

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