#11 · 主分类： 时间序列机器学习
neuralforecast
baselines
baselines-zoo
deep-learning
deep-neural-networks
deepar
esrnn
forecasting
hierarchical-forecasting
hint
machine-learning
nbeats
nbeatsx
neural-network
nhits
probabilistic-forecasting
pytorch
robust-regression
tft
time-series
transformer
可扩展且用户友好的神经网络预测算法。
项目最后更新：08/24/26
GitHub Stars
4.3K
Forks数量
500
贡献者数量
69
许可证
Apache-2.0
收录理由
当预测团队发现传统 ARIMA 或 ETS 已难以应对复杂时序时，NeuralForecast 提供了一个实用且顺手的升级路径。它是一个基于 PyTorch 的库，把三十多种神经模型统一在同一套简洁 API 之下，既包含经典的 RNN、MLP 结构，也覆盖 PatchTST、TFT、iTransformer 等新式 transformer 模型。Nixtla 团队维护着 NBEATSx 和 NHITS 的官方实现，想和已发表结果做对照时特别省心。库本身能输出概率预测，支持外生变量和静态协变量，还带有趋势与季节性的可解释性分析钩子。接口风格贴近 sklearn 的 fit/predict 习惯，配合 Ray 或 Optuna 做内置调参，小团队也能快速跑起模型对比，不必从零搭建训练流程。
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。