资源介绍
Python（AtsPy）中的自动时间序列模型
轻松开发最新的时间序列模型以预测单变量数据序列。只需加载数据并选择要测试的模型。这是最大的自动化结构和机器学习时间序列模型存储库。如果您想提供模型，请联系。这是一个起步阶段的项目，所有建议都值得赞赏。
安装
pip install atspy
自动化模型
ARIMA自动ARIMA建模
Prophet -使用线性或非线性增长建模多个季节性
HWAAS具有加法趋势和加法季节性的指数平滑
HWAMS具有HWAMS趋势和相乘季节性的指数平滑
NBEATS神经基础扩展分析（现已固定为20个纪元）
Gluonts基于RNN的模型（现已固定为20个纪元）
TATS季节性和趋势TATS考克斯
TBAT趋势和Box Cox
TBATS1趋势，季节性（一个）和Box Cox
TBATP1 -TBATS1，但季节性推断按周期性硬编码
TBATS2 -TBA