#24 · 主分类： 时间序列机器学习
orbit
arima
bayesian
bayesian-methods
bayesian-statistics
changepoint
exponential-smoothing
forecast
forecasting
machine-learning
orbit
probabilistic
probabilistic-programming
pyro
pystan
python
pytorch
regression
regression-models
stan
time-series
一个用于贝叶斯预测的Python包，采用面向对象设计，内部包含概率模型。
项目最后更新：05/22/26
GitHub Stars
2.1K
Forks数量
148
贡献者数量
23
许可证
Other
收录理由
Orbit 将指数平滑、局部全局趋势、阻尼局部趋势以及基于核的时间回归等几类贝叶斯预测模型，统一收敛到一个稳定的初始化-拟合-预测接口之下。换模型时无需重写管线，概率后端支持 MCMC、MAP 或变分推断，按算力预算灵活选择。产出的预测自带校准后的不确定性，这正是需求、容量或收入规划真正依赖的。回归支持、回测与诊断工具能在模型上线前用真实数据做验证。它填补了手工预测代码与重型框架之间的空白，适合想要可解释贝叶斯模型而非黑盒深度学习的场景。
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。