Deskripsi
GluonTS adalah pustaka Python sumber terbuka yang dirancang untuk pemodelan deret waktu probabilistik, dengan penekanan kuat pada pendekatan berbasis deep learning. Pustaka ini dibangun di atas kerangka kerja deep learning populer, PyTorch dan MXNet, menawarkan fleksibilitas dan kekuatan kepada para peneliti dan praktisi di bidang analisis deret waktu.
Baca Selengkapnya
Fokus utama GluonTS adalah untuk memungkinkan peramalan probabilistik, yang berarti ia menghasilkan prediksi bukan sebagai perkiraan titik tunggal, tetapi sebagai distribusi probabilitas. Hal ini memungkinkan pengguna untuk memahami ketidakpastian yang terkait dengan perkiraan mereka, memberikan wawasan berharga melalui interval prediksi, seperti rentang 50% dan 90%. Kemampuan ini sangat penting untuk aplikasi di mana pemahaman risiko dan kepercayaan adalah yang terpenting.
Pustaka ini menyediakan serangkaian alat untuk penanganan data, pelatihan model, dan prediksi. Ini mendukung berbagai arsitektur deep learning yang umum digunakan dalam peramalan deret waktu. Contoh yang diberikan mendemonstrasikan pelatihan model DeepAR pada dataset penumpang udara, menunjukkan cara membagi data, melatih model, dan memvisualisasikan perkiraan probabilistik. Instalasi mudah melalui pip, dengan opsi untuk menyertakan dukungan untuk model PyTorch atau MXNet.
GluonTS dikembangkan secara aktif, dengan panduan yang jelas untuk kontribusi. Proyek ini mendorong pengguna untuk mengutip makalah yang relevan dalam publikasi ilmiah mereka. Dokumentasi ini komprehensif, menawarkan versi stabil dan pengembangan, bersama dengan banyak tutorial dan materi lokakarya yang mencakup topik dari penggunaan dasar hingga teknik deep learning lanjutan untuk peramalan.
Baru-baru ini, tim di balik GluonTS merilis Chronos, serangkaian model yang telah dilatih sebelumnya untuk peramalan deret waktu zero-shot. Chronos dapat menghasilkan prediksi probabilistik yang akurat untuk deret waktu baru tanpa memerlukan data pelatihan khusus untuk deret tersebut, yang mewakili kemajuan signifikan di bidang ini.
- KategoriModel AI & LLM
- Model HargaOpen source
- PenerapanCloud, Di-host sendiri
- PlatformWeb
Fitur Inti GluonTS
Pemodelan deret waktu probabilistik
Model berbasis deep learning
Dukungan untuk PyTorch dan MXNet
Peramalan deret waktu zero-shot dengan Chronos
Generasi distribusi probabilitas untuk perkiraan
Interval prediksi (50% dan 90%)
Utilitas penanganan dan pembagian data
Kemampuan pelatihan dan prediksi model
Paket Python untuk analisis deret waktu
Pustaka sumber terbuka
Memulai dengan GluonTS
Instal GluonTS: Gunakan pip untuk menginstal dengan dukungan PyTorch atau MXNet.
Muat Data: Siapkan data deret waktu Anda, misalnya, menggunakan Pandas.
Bagi Data: Pisahkan dataset Anda menjadi set pelatihan dan pengujian.
Tentukan Estimator: Pilih dan konfigurasikan estimator model deep learning.
Latih Model: Latih estimator yang dipilih pada data pelatihan Anda.
Buat Prediksi: Gunakan model yang dilatih untuk menghasilkan perkiraan probabilistik.
Visualisasikan Hasil: Plot perkiraan, termasuk nilai sebenarnya dan interval prediksi.
Kasus Penggunaan GluonTS
- Peramalan Probabilistik
- Pemodelan Deret Waktu
- Peramalan Zero-Shot
- Prediksi Permintaan
- Peramalan Keuangan
- Alokasi Sumber Daya
