Nixtla представила StatsForecast 1.7.5: новые возможности для прогнозирования временных рядов
StatsForecast 1.7.5 представляет собой значительное обновление, включающее инновационную модель MFLES и удобную оболочку для моделей scikit-learn, что укрепляет ее позицию в качестве ведущего инструмента для прогнозирования одномерных временных рядов.
Модель MFLES
MFLES (Median Fourier Linear Exponential Smoothing) модель отличается отличной производительностью, скоростью и универсальностью, поддерживая внешние признаки и обрабатывая несколько сезонностей. Она основана на градиентном усилении временного ряда, интегрируя традиционные техники декомпозиции в процесс усиления. Эта комбинация позволяет модели MFLES предлагать надежные и точные прогнозы, делая ее ценным дополнением к арсеналу StatsForecast.
Интеграция с scikit-learn
Новый релиз также включает оболочку для моделей scikit-learn, позволяющую использовать богатые возможности инженерии признаков в задачах прогнозирования временных рядов. Это обеспечивает гибкость и расширяет моделирование StatsForecast, упрощая включение внешних переменных, таких как погода или цены, в прогностические модели.
StatsForecast решает ограничения существующих альтернатив Python для статистических моделей, предлагая высокую производительность и масштабируемость, что делает его подходящим для производственных сред и целей бенчмаркинга.
Основные возможности и производительность StatsForecast 1.7.5
Автоматическое прогнозирование, разнообразие моделей, скорость и эффективность, совместимость и интеграция, удобный синтаксис.
Установка StatsForecast проста. Его можно установить с помощью pip или conda:
pip install statsforecast
conda install -c conda-forge statsforecast
Пример использования AutoARIMA модели:
from statsforecast import StatsForecast
from statsforecast.models import AutoARIMA
from statsforecast.utils import AirPassengersDF
df = AirPassengersDF
sf = StatsForecast(models=[AutoARIMA(season_length=12)], freq=’M’)
sf.fit(df)
sf.predict(h=12, level=[95])
Примеры и руководства по использованию StatsForecast:
Полное руководство, обнаружение аномалий, кросс-валидация, прогнозирование спроса, прогнозирование нагрузки, прогнозирование рядов с небольшим количеством ненулевых наблюдений, использование внешних регрессоров.
StatsForecast 1.7.5 – это инструмент, который предлагает скорость, точность и гибкость для прогнозирования временных рядов. Добавление модели MFLES и интеграции с scikit-learn расширяет возможности инструмента, делая его неотъемлемым ресурсом для специалистов по данным и аналитиков.
Используйте искусственный интеллект для развития вашего бизнеса
Анализируйте, как ИИ может изменить вашу работу и определите, где можно применить автоматизацию. Определите ключевые показатели эффективности, которые вы хотите улучшить с помощью ИИ. Подберите подходящее решение и внедряйте ИИ постепенно, начиная с малого проекта и анализируя результаты.
Если вам нужны советы по внедрению ИИ, пишите нам на https://t.me/itinai. Следите за новостями о ИИ в нашем Телеграм-канале t.me/itinainews или в Twitter @itinairu45358.
Попробуйте AI Sales Bot. Этот AI ассистент в продажах помогает отвечать на вопросы клиентов, генерировать контент для отдела продаж и снижать нагрузку на первую линию.
Узнайте, как ИИ может изменить ваши процессы с решениями от AI Lab itinai.ru. Будущее уже здесь!
