Python库AutoTS一行代码得到最强时序基线

时间序列分析在销量预测、气象预报以及股票走势分析等领域具有核心地位。随着机器学习技术的迅猛发展，市面上涌现了大量专注于时间序列建模的工具包。本文将介绍一款功能强大的自动化工具——AutoTS，它深度融合了自动化机器学习（AutoML）技术。

AutoTS在执行预测前会自动进行数据预处理，包括识别并剔除数据中的异常值，并通过算法学习以确定最佳的NaN值处理方案。用户仅需编写一行代码，即可同时训练多种时间序列模型（如ARIMA、SARIMAX、FB Prophet、VAR等），系统会自动评估并选出效果最优的模型。

AutoTS

AutoTS是一个专注于时间序列预测的开源Python库。

该库属于autoML生态的一部分，其设计初衷是为初学者提供一套自动化的建模工具。

它允许用户仅用一行Python代码训练多个时间序列预测模型，涵盖ARIMA、SARIMAX、FB Prophet、VAR等主流算法，并从结果中自动筛选出最佳模型用于最终预测。AutoTS内部集成了以下核心技术：

• 采用遗传规划优化方法来搜索最优的时间序列预测模型结构。
• 并行训练简单模型、统计模型、机器学习模型及深度学习模型，全面覆盖所有可能的超参数配置，并结合交叉验证确保评估的准确性。
• 其他特性

代码示例

# !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)

总结

AutoTS是一款极具价值的时间序列基线（Baseline）工具包，集成了众多经典的时序预测模型。当面对时间序列问题时，推荐使用AutoTS进行快速训练与预测，作为评估其他复杂模型性能的优秀基线参考。

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本站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本站！