NeuralForecast 项目推荐

1. 项目基础介绍和主要编程语言

NeuralForecast 是一个专注于时间序列预测的深度学习库，由 Nixtla 团队开发并维护。该项目的主要编程语言是 Python，并且它充分利用了 PyTorch 框架来实现高效的神经网络模型。

2. 项目的核心功能

NeuralForecast 提供了大量先进的神经网络模型，专注于时间序列预测的性能、易用性和鲁棒性。其核心功能包括：

• 多种神经网络模型：从经典的 RNN 到最新的 Transformer 模型，如 MLP、LSTM、GRU、TCN、TimesNet、NBEATS、NHITS 等。
• 支持外生变量和静态协变量：允许在模型中引入外部变量和静态特征，增强预测的准确性。
• 概率预测：通过适配器支持分位数损失和参数化分布，提供概率预测能力。
• 训练和评估损失：支持多种损失函数，包括尺度依赖、百分比和尺度独立误差，以及参数化似然。
• 自动模型选择：通过分布式自动超参数调优，实现自动模型选择。
• 熟悉的 sklearn 语法：使用 fit 和 predict 方法，便于用户上手。

3. 项目最近更新的功能

最近，NeuralForecast 项目引入了以下新功能：

• 官方 NHITS 实现：该模型在 AAAI 2023 上发表，通过分层插值和多速率数据采样技术，专门化其架构的不同频率带，显著提升了长时序预测的性能。
• 官方 NBEATSx 实现：该模型在国际预测期刊上发表，进一步提升了时间序列预测的准确性。
• 集成 Ray 和 Optuna：增加了对 Ray 和 Optuna 的集成，用于自动超参数优化，提升了模型的调优效率。
• 支持 Transfer Learning：通过迁移学习，用户可以在历史数据较少的情况下进行预测。

这些更新使得 NeuralForecast 在时间序列预测领域保持了领先地位，并为用户提供了更多高效、准确的预测工具。