neural_prophet
Beta 0.9.0
يرجى ملاحظة أن المشروع لا يزال في مرحلة تجريبية. يرجى الإبلاغ عن أي مشاكل تواجهها أو اقتراحات لديك. وسوف نبذل قصارى جهدنا لمعالجتها بسرعة. المساهمات هي موضع ترحيب كبير!
NeuralProphet هو إطار عمل سهل التعلم للتنبؤ بالسلاسل الزمنية القابلة للتفسير. تم بناء NeuralProphet على PyTorch ويجمع بين الشبكات العصبية وخوارزميات السلاسل الزمنية التقليدية، المستوحاة من Facebook Prophet وAR-Net.
قد لا تكون صفحة الوثائق محدثة بالكامل. يجب أن تكون المستندات موثوقة، يرجى الرجوع إلى تلك المستندات في حالة الشك. نحن نعمل على تحسين الوثائق. نحن نقدر أي مساعدة لتحسين وتحديث المستندات.
للحصول على مقدمة مرئية لـ NeuralProphet، شاهد هذا العرض التقديمي.
قمنا بتجميع صفحة المساهمة في NeuralProphet مع تعليمات عملية وموارد إضافية لمساعدتك على أن تصبح جزءًا من العائلة.
إذا كان لديك أي أسئلة أو اقتراحات، يمكنك المشاركة في مجتمعنا هنا على Github
لدينا أيضًا مجتمع Slack نشط. تعال وانضم إلى المحادثة!
هناك العديد من أمثلة دفاتر الملاحظات لمساعدتك على البدء.
يمكنك العثور على مجموعات البيانات المستخدمة في البرامج التعليمية، بما في ذلك أمثلة المعالجة المسبقة للبيانات، في مستودع بيانات النبي العصبي الخاص بنا.
يرجى الرجوع إلى صفحة الوثائق لدينا لمزيد من الموارد.
from neuralprophet import NeuralProphetبعد استيراد الحزمة، يمكنك استخدام NeuralProphet في التعليمات البرمجية الخاصة بك:
m = NeuralProphet ()
metrics = m . fit ( df )
forecast = m . predict ( df )يمكنك تصور نتائجك باستخدام وظائف التخطيط المضمنة:
fig_forecast = m . plot ( forecast )
fig_components = m . plot_components ( forecast )
fig_model = m . plot_parameters ()إذا كنت تريد التنبؤ بالمستقبل المجهول، فقم بتوسيع إطار البيانات قبل التنبؤ:
m = NeuralProphet (). fit ( df , freq = "D" )
df_future = m . make_future_dataframe ( df , periods = 30 )
forecast = m . predict ( df_future )
fig_forecast = m . plot ( forecast )يمكنك الآن تثبيت neuralprophet مباشرة باستخدام النقطة:
pip install neuralprophetإذا كنت تخطط لاستخدام الحزمة في دفتر ملاحظات Jupyter، فنوصي بتثبيت الإصدار "المباشر":
pip install neuralprophet[live] سيسمح لك هذا بتمكين plot_live_loss في الدالة fit للحصول على مخطط مباشر لخسارة القطار (والتحقق من الصحة).
إذا كنت ترغب في الحصول على أحدث إصدار، يمكنك بدلاً من ذلك التثبيت مباشرة من github:
git clone < copied link from github >
cd neural_prophet
pip install .ملاحظة لمستخدمي Windows: الرجاء استخدام WSL2.
للحصول على قائمة بالتغييرات السابقة، يرجى الرجوع إلى صفحة الإصدارات.
يرجى ذكر NeuralProphet في منشوراتك إذا كان ذلك يساعد في بحثك:
@misc{triebe2021neuralprophet,
title={NeuralProphet: Explainable Forecasting at Scale},
author={Oskar Triebe and Hansika Hewamalage and Polina Pilyugina and Nikolay Laptev and Christoph Bergmeir and Ram Rajagopal},
year={2021},
eprint={2111.15397},
archivePrefix={arXiv},
primaryClass={cs.LG}
}
NeuralProphet هو مشروع مجتمعي مفتوح المصدر، يدعمه أشخاص رائعون مثلك. إذا كنت مهتمًا بالانضمام إلى المشروع، فلا تتردد في التواصل معي (أوسكار) - يمكنك العثور على بريدي الإلكتروني على ورقة NeuralProphet.
