一元时间序列并行预测的高级包装器
magi的Python项目详细描述
概述
magi是一个高级的python包装器,它围绕着其他时间序列预测库,允许在python中通过在hood下使用dask延迟包装函数轻松并行化单变量时间序列预测。特别是,该库目前支持rforecast库和facebook的prophet包的包装器
用法
这就是使用R forecast包中的auto-arima模型清理、预测和绘制100个时间序列的精度度量的简单程度
导入库,例如生成序列的数据帧,并启动本地DASK群集
frommagi.coreimportforecastfrommagi.plottingimportfc_plot,acc_plotfrommagi.utilsimportgen_tsfrommagi.accuracyimportaccuracyfromdask.distributedimportClient,LocalClusterimportdaskcluster=LocalCluster()client=Client(cluster)df=gen_ts(ncols=100)
100系列并行清洗预测,然后按系列计算和绘制精度指标
fc_obj=forecast(time_series=df,forecast_periods=18,frequency=12)forecast_df=fc_obj.tsclean().R(model='auto.arima(rdata,D=1,stationary=TRUE)',fit=True)acc_df=accuracy(df,forecast_df,separate_series=True)acc_plot(acc_df)
用例
此软件包应用于
- 一个或多个单变量时间序列的预测
- 使用多个不同的时间序列模型以最小的工作量并行进行预测
- 在python工作流中实现这些模型的r预测库包装器
- 包装Prophet库以提供更易于使用的数据框架
- 多个不同时间序列预测模型的单一访问源
此软件包不应用于
- 多元时间序列数据。如果你有多个x变量与你的反应变量相关,我建议简单地使用滞后回归和季节变量来解释你的错误中的自相关
- 数据探索-时间序列分析步骤更适合直接使用R Forecast包
依赖关系
- 达斯克
- 分布
- 情节
- 袖扣
- rpy2(&;forecast软件包>;=8.3安装在R中)
- 预言家
安装
$ pip install magi
文件
文档托管在Read the Docs。
免责声明
这种包装仍处于开发初期,不应依赖于生产。一切仍有可能发生变化