AutoTS秒杀时间序列

时间序列问题涉及到气象、金融、贸易等多个领域，其在股票预测、天气预测和交易量预测等方面的作用日益强大。如今在机器学习不断发展的情况下它正朝着日益精确全面的方向进步。目前已经具有多种时间序列建模工具，其中就有融合了自动化机器学习技术的AutoTS。

AutoTS工作程序：

数据预处理，删除异常数据值；学习寻找到最佳NAN值。只需要一行代码就能训练多个时间序列模型，包括ARIMA、VRB等，寻找到最佳模型。

AutoTS是一个开源库，功能是对时间序列问题进行预测，它包含的技术有：

1. 遗传规划优化方法进行时间序列问题模型最优化
2. 对简单模型、机器学习模型和深度学习模型进行训练，对可能的超参数配置和交 叉验证。

代码如下：

#pip install autots
from autota import auto_timeseries
import pandas as pd

fr=pd.read_csv("./project/d.csv",usecols=['Date','Close'])
fr['Date']=pd.to_datetime(fr['Date'])
fe=fe.sort_values('Date')

train_fr.Close.plot(figsize=(15,8),title='AMZN Stock Price',fontsize=14,label='Train')
test_fr.Close.plot(figsize=(15,8),title='AMZN Stock Price',fontsize=14,label='Test')

model=auto_timeseries(forcast_period=219,score_type='rmse',time_interval='D',model_type='best')
model.fit(traindate=train_fr,ts_column='Date',target='Close')
future_prediction=model.predict(testdate=219)