時間序列問題無論是在銷量預測，天氣預測還是在股票預測等問題中都至關重要，而如今隨著機器學習等快速發展，已經出現了非常多時間序列建模相關的工具包，今天介紹一種非常霸道的工具，融合了自動化機器學習技術開發的AutoTS。

Auto TS會先對數據進行預處理，從數據中刪除異常值，通過學習尋找最佳的NaN值。只需使用一行代碼，就可以訓練多個時間序列模型，包括ARIMA、SARIMAX、FB Prophet、VAR，并得出效果最佳的模型。

AutoTS

Auto TS是一個關于時間序列預測的開源Python庫。

該庫是 autoML 的一部分，其目標是為初學者提供自動化庫。

它可以在僅僅使用一行Python代碼中訓練多個時間序列預測模型，包括ARIMA、SARIMAX、FB Prophet、VAR等，然后在從中選擇最佳模型進行預測。其中AutoTS包含的技術有：

• 遺傳規劃優化方法尋找最優時間序列預測模型。
• 訓練簡單的模型、統計模型、機器學習模型和深度學習模型，同時涉及到所有可能的超參數配置和交叉驗證。
• 其它

代碼

# !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)

小結

Auto TS是一個非常不錯的時間序列Baseline工具包，集成了非常多經典的時序模型，在碰到時間序列問題時，可以考慮使用AutoTS來進行訓練和預測，作為一個非常不錯的基線。

參考文獻

Train multiple Time Series Forecasting Models in one line of Python Code

https://pypi.org/project/AutoTS/

https://github.com/winedarksea/AutoTS