PyTorch-Forecasting一个新的时间序列预测库使用详解

更新时间：2023年05月28日 15:52:49 作者：deephub

这篇文章主要为大家介绍了PyTorch-Forecasting一个新的时间序列预测库示例详解，有需要的朋友可以借鉴参考下，希望能够有所帮助，祝大家多多进步，早日升职加薪

时间序列预测

时间序列预测在金融、天气预报、销售预测和需求预测等各个领域发挥着至关重要的作用。PyTorch- forecasting是一个建立在PyTorch之上的开源Python包，专门用于简化和增强时间序列的工作。在本文中我们介绍PyTorch-Forecasting的特性和功能，并进行示例代码演示。

PyTorch-Forecasting的安装非常简单：

pip install pytorch-forecasting

但是需要注意的是，他目前现在只支持Pytorch 1.7以上，但是2.0是否支持我没有测试。

PyTorch-Forecasting提供了几个方面的功能

1、提供了一个高级接口，抽象了时间序列建模的复杂性，可以使用几行代码来定义预测任务，使得使用不同的模型和技术进行实验变得容易。

2、支持多个预测模型，包括自回归模型(AR, ARIMA)，状态空间模型(SARIMAX)，神经网络(LSTM, GRU)和集成方法(Prophet, N-Beats)。这种多样化的模型集确保了为您的时间序列数据选择最合适方法的灵活性。

3、提供各种数据预处理工具来处理常见的时间序列任务，包括：缺失值输入、缩放、特征提取和滚动窗口转换等。除了一些数据的预处理的工具外，还提供了一个名为 TimeSeriesDataSet 的Pytorch的DS，这样可以方便的处理时间序列数据。

4、通过统一的接口方便模评估：实现了QuantileLoss，SMAPE 等时间序列的损失函数和验证指标，支持Pytorch Lighting 这样可以直接使用早停和交叉验证等训练方法

使用方法

使用方法也很简单：

frompytorch_forecastingimportTimeSeriesDataSet, TemporalFusionTransformer
 # Load and preprocess the data
 dataset=TimeSeriesDataSet.from_csv('data.csv', target='target', time_idx='time', group_ids=['id'])
 dataset.prepare_training(split_into_train_val_test=[0.8, 0.1, 0.1])
 # Initialize and train the model
 model=TemporalFusionTransformer.from_dataset(dataset)
 trainer=pl.Trainer()
 trainer.fit(model, dataset.train_dataloader())
 # Generate predictions
 predictions=model.predict(dataset.test_dataloader())
 # Evaluate the model
 metric=dataset.target_normalizer.metrics['mse']
 print(f'Test MSE: {metric(predictions, dataset.test_dataloader())}')

如果需要分类编码，可以这样用：

frompytorch_forecasting.dataimportGroupNormalizer
 # Load and preprocess the data with categorical variables
 dataset=TimeSeriesDataSet.from_pandas(data, target='target', time_idx='time', group_ids=['id'], 
                                         categorical_encoders={'cat_variable': GroupNormalizer()})
 dataset.prepare_training(...)
 # Initialize and train the model
 model=TemporalFusionTransformer.from_dataset(dataset)
 trainer.fit(model, dataset.train_dataloader())
 # Generate predictions
 predictions=model.predict(dataset.test_dataloader())
 # Evaluate the model
 print(f'Test MSE: {metric(predictions, dataset.test_dataloader())}')

PyTorch-Forecasting是一个非常好用的工具包，就算你不使用它所有的功能，也可以将他提供的一些功能当作巩工具来整合到自己的项目中，如果你对使用PyTorch处理时序数据感兴趣，也可以看看他的代码当作学习的参考，他的文档还是比较全面的，并且也提供了很多的示例。

以上就是PyTorch-Forecasting一个新的时间序列预测库的详细内容，更多关于PyTorch-Forecasting时间序列预测的资料请关注脚本之家其它相关文章！

您可能感兴趣的文章:

python-jwt用户认证食用教学的实现方法
这篇文章主要介绍了python-jwt用户认证食用教学的实现方法,本文给大家介绍的非常详细，对大家的学习或工作具有一定的参考借鉴价值，需要的朋友可以参考下
2021-01-01
python3结合openpyxl库实现excel操作的实例代码
这篇文章主要介绍了python3结合openpyxl库实现excel操作的实例代码，非常不错，具有一定的参考借鉴价值,需要的朋友可以参考下
2018-09-09
Python 迭代器Iterator详情
这篇文章主要介绍了Python 迭代器Iterator详情，迭代器可以帮助我们解决面对复杂的数据场景时，快速简便的获取数据，下文关于其详细介绍，需要的小伙伴可以参考一下
2022-05-05
python高阶爬虫实战分析
这篇文章给大家分享了python高阶爬虫实战的相关实例内容以及技巧分析，有兴趣的朋友参考下。
2018-07-07
基于Python模拟浏览器发送http请求
这篇文章主要介绍了基于Python模拟浏览器发送http请求,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下
2020-11-11
Python接口自动化浅析如何处理接口依赖
本文主要介绍如何提取token、将token作为类属性全局调用及充值接口如何携带token进行请求，其他接口调用的前提条件是当前用户必须是登录状态，如何处理接口依赖
2021-08-08
python 使用tkinter+you-get实现视频下载器
这篇文章主要介绍了python 使用tkinter+you-get实现视频下载器，帮助大家方便的下载视频资源，感兴趣的朋友可以了解下
2020-11-11
Python获取江苏疫情实时数据及爬虫分析
为了关注疫情状况，今天我们用python来爬一爬疫情的实时数据，本文通过实例图文相结合给大家介绍的非常详细，需要的朋友参考下吧
2021-08-08
Python编程密码学文件加密与解密代码解析
这篇文章主要为大家介绍了Python编程密码学文件加密与解密，有需要的朋友可以借鉴参考下，希望能够有所帮助，祝大家多多进步，早日升职加薪
2022-05-05
利用Python实现斐波那契数列的方法实例
这篇文章主要给大家介绍了关于如何利用Python实现斐波那契数列的相关资料，文中通过示例代码介绍的非常详细，对大家的学习或者使用Python具有一定的参考学习价值，需要的朋友们下面来一起学习学习吧
2020-07-07