Auto_TS：自动时间序列

使用单行代码自动构建多个时间序列模型。现已更新支持Dask。

auto-ts

auto_timeseries是一个复杂的时间序列数据模型构建工具。由于它自动化了许多复杂任务，因此它假设了许多智能默认值。但你可以更改它们。 Auto_Timeseries将快速构建基于Statsmodels ARIMA、季节性ARIMA、Prophet和Scikit-Learn机器学习的预测模型。它将自动选择给出最佳指定分数的最佳模型。

auto-ts.Auto_TimeSeries是你将使用训练数据调用的主要函数。你可以选择想要的模型类型：统计、机器学习或基于Prophet的模型。你还可以告诉它根据你想要的评分参数自动选择最佳模型。它将返回最佳模型和包含你指定的预测期数（默认为2）的预测字典。

安装

pip install auto-ts

如果上面的方法不起作用，请使用pip3 install auto-ts

pip install git+https://github.com/AutoViML/Auto_TS.git

在Colab上安装

如果你正在使用Colab或Kaggle内核并想安装auto_ts，请使用以下步骤（否则你会收到错误！）：

!pip install auto-ts --no-deps --ignore-installed
!pip install 'fsspec>=0.3.3'
!pip install statsmodels --upgrade
!pip install pmdarima

auto_ts_colab

在Windows上安装

Windows用户在安装Prophet和pystan依赖项时可能会遇到困难。因此，我们建议在安装auto-ts之前按照Prophet文档页面的说明安装Prophet。对于Anaconda用户，可以通过以下方式完成：

conda install -c conda-forge prophet
pip install auto-ts

使用方法

首先，你需要从auto_ts库中导入auto_timeseries：

from auto_ts import auto_timeseries

其次，初始化一个auto_timeseries模型对象，该对象将包含所有参数：

model = auto_timeseries(
    score_type='rmse',
    time_interval='Month',
    non_seasonal_pdq=None, seasonality=False,
    seasonal_period=12,
    model_type=['Prophet'],
    verbose=2,
)

以下是输入参数的定义:

score_type (默认为'rmse'): 用于对模型进行评分的指标。类型为字符串。目前仅支持以下两种类型:
1. "rmse": 均方根误差(RMSE)
2. "normalized_rmse": RMSE与实际值标准差的比率
time_interval (默认为None): 用于指示数据收集的频率。它有两个用途:(1)构建Prophet模型,(2)在用户未提供(None)的情况下用于推断SARIMAX的季节性周期。类型为字符串。我们使用以下pandas日期范围频率别名,这些别名被Prophet用于创建预测数据框。
因此,请注意以下是允许使用的频率别名列表: ['B','C','D','W','M','SM','BM','CBM', 'MS','SMS','BMS','CBMS','Q','BQ','QS','BQS', 'A,Y','BA,BY','AS,YS','BAS,BYS','BH', 'H','T,min','S','L,ms','U,us','N'] 首先,您可以为您的数据测试以下代码并查看结果(或者您可以将其保留为None,auto_timeseries将尝试为您推断):
- 'MS', 'M', 'SM', 'BM', 'CBM', 'SMS', 'BMS' 用于月度频率数据
- 'D', 'B', 'C' 用于日频率数据
- 'W' 用于周频率数据
- 'Q', 'BQ', 'QS', 'BQS' 用于季度频率数据
- 'A,Y', 'BA,BY', 'AS,YS', 'BAS,YAS' 用于年度频率数据
- 'BH', 'H', 'h' 用于小时频率数据
- 'T,min' 用于分钟频率数据
- 'S', 'L,milliseconds', 'U,microseconds', 'N,nanoseconds' 用于秒频率数据
non_seasonal_pdq (默认为(3,1,3)): 指示在搜索统计ARIMA模型时要使用的(p, d, q)的最大值。如果为None,则假定以下值:max_p = 3, max_d = 1, max_q = 3。类型为元组。
seasonality (默认为False): 目前仅用于构建SARIMAX模型。True或False。类型为布尔值。
seasonal_period (默认为None): 指示数据中的季节性周期。这取决于数据中定期出现的峰值(或谷值)周期。目前仅用于构建SARIMAX模型。如果seasonality设置为False,则此参数无影响。如果为None,程序将尝试从数据的time_interval(频率)推断此值。我们假设以下默认值,但您可以随意更改:
1. 如果频率为月度,则seasonal_period假定为12
2. 如果频率为日度,则seasonal_period假定为30(但也可能是7)
3. 如果频率为周度,则seasonal_period假定为52
4. 如果频率为季度,则seasonal_period假定为4
5. 如果频率为年度,则seasonal_period假定为1
6. 如果频率为小时,则seasonal_period假定为24
7. 如果频率为分钟,则seasonal_period假定为60
8. 如果频率为秒,则seasonal_period假定为60 类型为整数
conf_int (默认为0.95): 用于构建Prophet模型的置信区间。默认:0.95。类型为浮点数。
model_type (默认:'stats'): 要构建的模型类型。默认仅构建统计模型。如果提供列表,则仅构建这些模型。可以是字符串或模型列表。允许的值为: 'best', 'prophet', 'stats', 'ARIMA', 'SARIMAX', 'VAR', 'ML'。
"prophet" 将使用 Prophet 构建模型 -> 这意味着你必须安装 Prophet
"stats" 将构建基于 statsmodels 的 ARIMA、SARIMAX 和 VAR 模型
"ML" 将使用随机森林构建机器学习模型，前提是提供了解释变量
"best" 将尝试构建所有模型并选择最佳模型
verbose (默认值=0): 表示打印的详细程度。类型为整数。

警告："best" 对于大型数据集可能需要一些时间。我们建议在尝试运行整个数据之前，先从数据集中选择一个小样本。

定义模型对象后的下一步是用一些真实数据来拟合它：

model.fit(
    traindata=train_data,
    ts_column=ts_column,
    target=target,
    cv=5,
    sep=","
)

以下是参数的定义方式：

traindata (必需): 可以是数据框或文件。如果是文件，必须给出文件名及其数据路径。如果你的笔记本中已经加载了数据框，它也接受 pandas 数据框。
ts_column (必需): 数据集中日期时间列的名称（可以是列名或列索引中的索引号）。
target (必需): 你试图预测的列名。目标也可以是数据集中唯一的列。
cv (默认值=5): 你可以输入任何整数作为交叉验证数据集中想要的折数。
sep (默认值=","): Sep 是训练数据文件中的分隔符。如果你的分隔符是 ","、"\t"、";"，请确保在这里输入。如果不是，则忽略。

训练模型对象后的下一步是用测试数据进行一些预测：

predictions = model.predict(
    testdata = ...,  # 可以是数据框或代表预测期的整数
    model = 'best'  # 或任何其他代表已训练模型的字符串
)

以下是参数的定义方式。你可以选择以数据框的形式发送测试数据，或发送一个整数来决定你想预测多少期。你只需要

testdata (必需): 可以是包含测试数据的数据框，或者你可以使用代表预测期（你想要的）的整数。
model (可选，默认值 = 'best'): 你想在多个已训练模型中使用的模型名称。记住默认是最佳模型。但你可以选择任何你想用来预测的模型。类型是字符串。

要求

dask, scikit-learn, prophet, statsmodels, pmdarima, XGBoost

许可证：

Apache License 2.0

提示

我们建议在尝试运行整个数据之前，先从数据集中选择一个小样本。以及评估指标，以便选择最佳模型。目前，"stats" 内的模型使用 AIC 和 BIC 进行比较。然而，不同类型的模型之间使用 RMSE 进行比较。模型的结果使用 RMSE 和标准化 RMSE（RMSE 与实际值标准差的比率）显示。
你必须清理数据，不能有任何缺失值。确保目标变量是数值型，否则无法运行。如果你的数据集中有多个目标变量，现在只需指定一个，如果你知道数据中的时间间隔，可以指定它。否则，auto-ts 将尝试自行推断时间间隔。
如果你给 Auto_Timeseries 一个与数据不同的时间间隔，它会自动将数据重新采样到给定的时间间隔，并使用重新采样期间的目标均值。
注意，除了必需的 filename 和 ts_column 输入参数外，所有其他参数都是可选的。
注意，你可以选择为文件中的数据指定分隔符。默认为逗号（","）。
"time_interval" 选项是你可以在下面这个页面找到的任何代码。 Pandas 日期范围频率别名
可选地，你可以给出 seasonal_period 作为衡量数据中季节性的任何整数。如果未给出，seasonal_period 自动假定如下：
- 月 = 12,
- 日 = 30,
- 周 = 52,
- 季度 = 4,
- 年 = 1,
- 小时 = 24,
- 分钟 = 60 和
秒数 = 60。
如果你想给出自己的非季节性阶数，请以non_seasonal_pdq的形式输入，对于季节性阶数，则使用seasonal_PDQ作为输入。使用元组格式。例如，seasonal_PDQ = (2,1,2)和non_seasonal_pdq = (0,0,3)。它只接受元组格式。默认值为None，Auto_Timeseries将自动搜索最佳的p,d,q（非季节性）和P,D,Q（季节性）阶数，方法是对每个p,d,q值搜索0到12的所有参数，对每个P,Q搜索0到3，对D搜索0到1。