文件名称：tsforest:使用树集成进行时间序列预测
文件大小：52KB
文件格式：ZIP
更新时间：2024-06-19 04:56:19
time-series forecasting gradient-boosting Python
森林 使用梯度提升回归树 (GBRT) 解决多个时间序列预测问题已被证明是非常有效的。 该软件包提供了一个完整的框架，用于高效处理多个时间序列数据集并构建 GBRT 预测模型。 主要特征 使用 、 、 和作为后端的易于使用的界面。 自动时间序列特征工程： 基于时间的属性。 滞后特征的快速/并行计算。 滚动窗口统计的快速/并行计算。 自定义滚动窗口统计信息的定义。 使用滞后特征时，可以快速计算递归式提前一步预测。 通过进行。 按时间序列自动/并行删除趋势。 按时间序列自动/并行缩放。 安装 通过 ： pip install tsforest 或者，您可以克隆此存储库并从源代码安装它： python setup.py install 示例用法 import pandas as pd from tsforest . forecast import LightGBMF
【文件预览】：
tsforest-master
----setup.py(403B)
----.gitignore(2KB)
----tsforest()
--------features.py(12KB)
--------forecast.py(2KB)
--------forecast_base.py(31KB)
--------__init__.py(23B)
--------utils.py(186B)
--------forest_base.py(2KB)
--------config.py(2KB)
--------metrics.py(962B)
--------scaler.py(2KB)
--------forest.py(12KB)
--------trend.py(7KB)
----requirements.txt(255B)
----Makefile(310B)
----.travis.yml(263B)
----LICENSE(34KB)
----README.md(5KB)
----tests()
--------__init__.py(0B)
--------forecaster_test.py(13KB)
--------tests_data()