時(shí)間序列問題無論是在銷量預(yù)測(cè)，天氣預(yù)測(cè)還是在股票預(yù)測(cè)等問題中都至關(guān)重要，而如今隨著機(jī)器學(xué)習(xí)等快速發(fā)展，已經(jīng)出現(xiàn)了非常多時(shí)間序列建模相關(guān)的工具包，今天介紹一種非常霸道的工具，融合了自動(dòng)化機(jī)器學(xué)習(xí)技術(shù)開發(fā)的AutoTS。

Auto TS會(huì)先對(duì)數(shù)據(jù)進(jìn)行預(yù)處理，從數(shù)據(jù)中刪除異常值，通過學(xué)習(xí)尋找最佳的NaN值。只需使用一行代碼，就可以訓(xùn)練多個(gè)時(shí)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(gè)關(guān)于時(shí)間序列預(yù)測(cè)的開源Python庫(kù)。

該庫(kù)是 autoML 的一部分，其目標(biāo)是為初學(xué)者提供自動(dòng)化庫(kù)。

它可以在僅僅使用一行Python代碼中訓(xùn)練多個(gè)時(shí)間序列預(yù)測(cè)模型，包括ARIMA、SARIMAX、FB Prophet、VAR等，然后在從中選擇最佳模型進(jìn)行預(yù)測(cè)。其中AutoTS包含的技術(shù)有：

• 遺傳規(guī)劃優(yōu)化方法尋找最優(yōu)時(shí)間序列預(yù)測(cè)模型。
• 訓(xùn)練簡(jiǎn)單的模型、統(tǒng)計(jì)模型、機(jī)器學(xué)習(xí)模型和深度學(xué)習(xí)模型，同時(shí)涉及到所有可能的超參數(shù)配置和交叉驗(yàn)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(jié)

Auto TS是一個(gè)非常不錯(cuò)的時(shí)間序列Baseline工具包，集成了非常多經(jīng)典的時(shí)序模型，在碰到時(shí)間序列問題時(shí)，可以考慮使用AutoTS來進(jìn)行訓(xùn)練和預(yù)測(cè)，作為一個(gè)非常不錯(cuò)的基線。

參考文獻(xiàn)

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

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

https://github.com/winedarksea/AutoTS