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
从一个小任务开始

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

  1. 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。
  2. 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。
  3. 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。

查看 GluonTS 官方说明 ↗

← 返回全部 AI 工具