工具介绍与任务方法
GluonTS
面向概率时间序列建模的 Python 工具包,可使用深度学习模型训练历史序列并生成预测分布。
GluonTS 能做什么
面向概率时间序列建模的 Python 工具包,可使用深度学习模型训练历史序列并生成预测分布。
- 模型训练与部署
如何使用 GluonTS
训练 DeepAR 并检查滚动预测
准备输入
- 有时间索引和目标列的历史表格
- 预测长度与时间频率
- 训练和测试窗口划分
操作步骤
- 将表格与目标列转换为 PandasDataset,按时间拆分训练数据和测试窗口。
- 创建 DeepAREstimator,设置预测长度、频率与训练轮数,再使用训练数据生成预测器。
- 对测试输入调用 predict,将预测与真实历史值绘图对照,检查不同窗口上的表现。
预期交付物
- 测试窗口的概率预测
- 预测与历史值对照图
训练与预测成本取决于模型和数据规模;应保留时间顺序进行验证,样例训练轮数和预测窗口不能直接用于所有业务。
开始前需要了解
账号权限、费用与可用功能请以官方入口的当前说明为准。重要结果应先检查,再用于实际工作。