文件名称：atspy:间谍
文件大小：626KB
文件格式：ZIP
更新时间：2024-04-10 12:54:41
python finance time-series forecasting automated
Python（AtsPy）中的自动时间序列模型 轻松开发最新的时间序列模型以预测单变量数据序列。只需加载数据并选择要测试的模型。这是最大的自动化结构和机器学习时间序列模型存储库。如果您想提供模型，请联系。这是一个起步阶段的项目，所有建议都值得赞赏。 安装 pip install atspy 自动化模型 ARIMA自动ARIMA建模 Prophet -使用线性或非线性增长建模多个季节性 HWAAS具有加法趋势和加法季节性的指数平滑 HWAMS具有HWAMS趋势和相乘季节性的指数平滑 NBEATS神经基础扩展分析（现已固定为20个纪元） Gluonts基于RNN的模型（现已固定为20个纪元） TATS季节性和趋势TATS考克斯 TBAT趋势和Box Cox TBATS1趋势，季节性（一个）和Box Cox TBATP1 -TBATS1，但季节性推断按周期性硬编码 TBATS2 -TBA
【文件预览】：
atspy-master
----atspy_files()
--------AtsPy_Feb_2020.md(33KB)
--------insample.png(64KB)
--------outsample.png(45KB)
--------AtsPy_Feb_2020.ipynb(203KB)
--------Screen Shot 2020-01-31 at 7.51.07 PM.png(86KB)
--------Screen Shot 2020-01-31 at 7.54.00 PM.png(40KB)
--------d5xurea-875a26b2-8f94-4593-bb3d-4af362febda0.jpg(92KB)
----new.txt(7KB)
----AtsPy_Automated_Time_Series_Forecasting_in_Python.pdf(106KB)
----atspy()
--------TS()
--------__init__.py(33KB)
--------ssa.py(13KB)
--------pyaf.py(2KB)
--------nbeats.py(3KB)
----paper.md(2KB)
----requirements.txt(663B)
----paper.bib(904B)
----setup.py(2KB)
----.gitignore(2KB)
----README.md(12KB)
----.gitattributes(66B)