Sktime: 时间序列分析的统一框架

最新推荐文章于 2024-08-12 08:41:00 发布

盛言广Red-Haired

最新推荐文章于 2024-08-12 08:41:00 发布

阅读量272

点赞数 3

本文链接：https://blog.csdn.net/gitblog_00807/article/details/141117940

版权

Sktime: 时间序列分析的统一框架

sktimeA unified framework for machine learning with time series项目地址:https://gitcode.com/gh_mirrors/skt/sktime

项目介绍

Sktime 是一个用于时间序列分析的Python库。它提供了一个统一的接口来执行多种时间序列学习任务，包括但不限于时间序列分类、回归、聚类、注解以及预测。借助于Scikit-Learn兼容工具，sktime能够构建、调优及验证时间序列模型。

官方网站和资源位置：www.sktime.net
许可证类型：BSD-3-Clause license

特点：

统一接口：易于集成各种时间序列算法。
兼容性：与Scikit-Learn高度兼容，方便模型开发与部署。
模型多样性：支持多样的时间序列分析模型和任务。

项目快速启动

环境准备

确保你的环境满足以下条件：

操作系统要求：macOS, Linux, 或 Windows 8.1及以上版本（仅限64位）。
Python版本：3.8, 3.9, 3.10, 3.11或3.12。
包管理器：pip或conda（通过conda-forge渠道）。

安装Sktime

使用pip安装最新的sktime发布版：

pip install sktime

或者，安装带有所有软依赖项的sktime，以获得完整的功能集：

pip install sktime[all_extras]

对于特定的学习任务，如预测、转换、分类等，可以单独选择所需依赖包进行安装：

pip install sktime[forecasting]
pip install sktime[forecasting transformations]

快速入门示例

下面是一个简单的sktime使用示例，演示了如何加载数据并应用时间序列预测算法：

from sktime.datasets import load_airline
from sktime.forecasting.model_selection import temporal_train_test_split
from sktime.performance_metrics.forecasting import smape_loss
from sktime.forecasting.naive import NaiveForecaster

y = load_airline()
y_train, y_test = temporal_train_test_split(y)

fh = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]

f = NaiveForecaster(strategy="mean", sp=12)
f.fit(y_train)
y_pred = f.predict(fh)

print("Forecast:")
print(y_pred)
print("SMAPE loss:", smape_loss(y_test.iloc[fh], y_pred))