#7 · 主分类： 时间序列机器学习
gluonts
artificial-intelligence
aws
data-science
deep-learning
forecasting
machine-learning
mxnet
neural-networks
pytorch
sagemaker
time-series
time-series-forecasting
time-series-prediction
timeseries
torch
Python中的概率性时间序列建模
项目最后更新：07/31/26
GitHub Stars
5.2K
Forks数量
831
贡献者数量
119
许可证
Apache-2.0
收录理由
GluonTS 是一个面向概率时间序列建模的 Python 库，其深度学习估计器基于 PyTorch 实现。它把 DeepAR、Transformer 等神经预测方法统一在一致的估计器接口之下，用户从一份历史数据 CSV 出发，几行代码就能得到预测分布，而不是单一的点估计。这种概率输出对需要置信区间的业务决策尤为关键，比如需求预测、容量规划或库存管理。数据科学家和机器学习工程师会喜欢它干净的 PyTorch 集成，以及内置的评估工具，方便对比不同模型的误差。同时，它也能作为基线，用来衡量自定义模型或更新的零样本预测方法的表现。
相关文章
暂无针对该项目的文章。
如需补充新闻资讯、使用教程、应用测评等内容，欢迎 联系我们推荐选题或投稿。