NeuralProphet中文文档

说明

在这里插入图片描述

NeuralProphet是一个Facebook Prophet和AR-Net的启发,在PyTorch上构建的基于神经网络的时间序列模型,目前处于开发阶段。NeuralProphet是在一个完全模块化的架构中开发的,这使得它可以在未来添加任何额外的组件。我们的愿景是为用户开发一个简单易用的预测工具,同时保留Prophet的原始目标,如可解释性、可配置性,并通过使用PyTorch作为后端提供更多的功能,如自动差分功能。

本文档是对其官方文档的中文翻译。水平有限,如有翻译不当之处敬请指正!

建议在语雀上阅读,效果好。

  • 本文档在语雀地址:https://www.yuque.com/alipayqgthu1irbf/neuralprophet

  • 本文档GitHub地址:https://github.com/SharkFin-top/neuralprophet-doc-zh

NeuralProphet官方地址:

  • GitHub:https://github.com/ourownstory/neural_prophet
  • Document:http://neuralprophet.com/

PS: 封面图是我自己理解,在Facebook Prophet基础上设计的logo,还不错吧

ヾ(◍°∇°◍)ノ゙

  • 2
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
NeuralProphet是一种基于神经网络的时间序列预测库。它建立在Prophet模型的基础上,通过引入神经网络的灵活性和复杂性,提供了更加准确和灵活的预测能力。 NeuralProphet采用的模型结构是一个具有多个隐藏层的多层感知机(MLP)神经网络。通过在时间序列预测任务中引入神经网络的非线性映射特性,NeuralProphet可以更好地捕捉数据的复杂关系和非线性趋势。 与传统的时间序列预测方法相比,NeuralProphet具有一些独特的特点和优势。首先,NeuralProphet具备了自动特征提取和变量选择的能力,可以自动识别和提取时间序列中的重要特征,避免了人工特征工程的繁琐过程。其次,NeuralProphet具有较强的灵活性,可以处理具有缺失值和异常值的时间序列数据,并且可以通过调整网络结构和超参数来优化预测性能。此外,NeuralProphet还提供了一些可视化和分析工具,方便用户对预测结果进行验证和解释。 NeuralProphet在实际应用中具有广泛的适用性。它可以用于预测各种类型的时间序列数据,包括股票价格、销售数据、气象变量等。无论是进行短期预测还是长期趋势分析,NeuralProphet都能够提供高质量的预测结果。 总之,NeuralProphet是一种强大的神经网络时间序列预测库,具有自动特征提取和变量选择能力,具备较强的灵活性和适用性。它为用户提供了更加准确和灵活的时间序列预测工具,帮助用户做出更好的决策。
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值