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！