Darts是一个用户友好且灵活的Python库，专注于时间序列的预测与异常检测。它提供了一系列从ARIMA到深度神经网络的多样化模型，通过统一的fit()和predict()接口简化操作，类似于scikit-learn。此外，Darts支持包括多变量和外部数据在内的复杂时间序列处理，并为大规模数据集提供高效解决方案。它还拥有全面的异常检测功能，允许进行深入的异常分析和评分。

Lag-Llama是开源的时间序列预测基础模型，支持任意频率和预测长度的零样本预测及模型微调。项目提供预训练和微调脚本，可复现论文实验。模型具备强大的零样本能力，微调后性能更佳。使用时可通过调整上下文长度和学习率等参数优化性能。作为概率预测模型，Lag-Llama输出每个时间步的概率分布。

NGBoost是一个基于自然梯度提升的Python库，专注于概率预测。该库构建于Scikit-Learn之上，提供可扩展和模块化的设计，支持多种评分规则、分布和基础学习器。NGBoost适用于回归和分类任务，提供直观的API和丰富的文档。它特别适合需要不确定性估计的机器学习项目，是数据科学领域的实用工具。