为了获得更好的预测效果，并且可以简单高效的完成任务，本文中我将分享给大家7个用于处理时间序列问题的 Python 工具包。
tsfresh: 特征提取。https://github.com/blue-yonder/tsfresh
AutoTs: 自动处理。Github: https://github.com/winedarksea/AutoTS
Prophet: facebook开发的软件包，处理季节性数据。https://github.com/facebook/prophet
dart: 有助于时间序列的操作和预测。语法是“sklearn-friendly”, 它还包含了从 ARIMA 到神经网络的各种模型。https://github.com/unit8co/darts
Atspy: 代表Python 中的自动时间序列模型。该库的目标是预测单变量时间序列。https://github.com/firmai/atspy
kats: 是 Facebook 研究团队最近开发的另一个专门处理时间序列数据的库。该框架的目标是为解决时间序列问题提供一个完整的解决方案。https://github.com/facebookresearch/Kats/tree/main/tutorials
sktime: 它适用于时间序列数据，并且与 scikit-learn 兼容。https://github.com/alan-turing-institute/sktime
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 [email protected] 举报，一经查实，本站将立刻删除。