神経預言者
Beta 0.9.0
このプロジェクトはまだベータ段階であることに注意してください。発生した問題や提案があれば報告してください。早急に対処できるよう最善を尽くします。貢献は大歓迎です!
NeuralProphet は、解釈可能な時系列予測のための学びやすいフレームワークです。 NeuralProphet は PyTorch 上に構築されており、Facebook Prophet と AR-Net からインスピレーションを得た、ニューラル ネットワークと従来の時系列アルゴリズムを組み合わせています。
ドキュメント ページは完全に最新ではない可能性があります。 docstring は信頼できるものでなければなりません。疑わしい場合は参照してください。私たちはドキュメントの改善に取り組んでいます。ドキュメントの改善と更新にご協力いただければ幸いです。
NeuralProphet の視覚的な紹介については、このプレゼンテーションをご覧ください。
NeuralProphet への貢献ページに、あなたがファミリーの一員になるのに役立つ実践的な手順とさらなるリソースをまとめました。
質問や提案がある場合は、ここ Github のコミュニティに参加してください。
活発な Slack コミュニティもあります。ぜひ会話に参加してください！
開始に役立つノートブックの例がいくつかあります。
データ前処理の例を含むチュートリアルで使用されるデータセットは、neuralprophet-data リポジトリで見つけることができます。
その他のリソースについては、ドキュメント ページを参照してください。
from neuralprophet import NeuralProphetパッケージをインポートした後、コード内で NeuralProphet を使用できます。
m = NeuralProphet ()
metrics = m . fit ( df )
forecast = m . predict ( df )組み込みのプロット関数を使用して結果を視覚化できます。
fig_forecast = m . plot ( forecast )
fig_components = m . plot_components ( forecast )
fig_model = m . plot_parameters ()未知の将来を予測したい場合は、予測する前にデータフレームを拡張します。
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 )pip を使用して neuralprophet を直接インストールできるようになりました。
pip install neuralprophetJupyter ノートブックでパッケージを使用する予定がある場合は、「ライブ」バージョンをインストールすることをお勧めします。
pip install neuralprophet[live]これにより、 fit関数でplot_live_loss有効にして、トレーニング (および検証) 損失のライブ プロットを取得できるようになります。
最新バージョンが必要な場合は、代わりに github から直接インストールできます。
git clone < copied link from github >
cd neural_prophet
pip install .Windows ユーザーへの注意: WSL2 を使用してください。
過去の変更点のリストについては、リリース ページを参照してください。
NeuralProphet があなたの研究に役立つ場合は、出版物の中で NeuralProphet を引用してください。
@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 は、あなたのような素晴らしい人々によってサポートされているオープンソース コミュニティ プロジェクトです。プロジェクトへの参加にご興味がございましたら、お気軽に私 (Oskar) までご連絡ください。私の電子メールは NeuralProphet Paper に掲載されています。
