forecasting

用于多季节性且具线性或非线性增长的时间序列数据，高质量预测的工具。

最先进的深度学习脚本，按模型组织，易于训练和部署，在企业级基础设施上提供可重现的准确度和性能。

Statsmodels：Python 中的统计建模与计量经济学库

三行代码即可实现快速且准确的机器学习。

统一的时间序列机器学习框架

用于时间序列的用户友好预测与异常检测的 Python 库

使用 GPU 的 Postgres，适用于机器学习/AI 应用

「Informer」论文的 GitHub 仓库，已于 AAAI 2021 接受

时间序列深度学习机器学习 Python Pytorch fastai | 先进深度学习库，专为 Pytorch / fastai 中的时间序列与序列设计

Chronos：用于时间序列预测的预训练模型

Python 中的概率时间序列建模

使用 PyTorch 的时间序列预测

Lightning ⚡️：使用统计与计量模型的快速预测。

NeuralProphet：一个简易的预测包

可扩展且用户友好的神经网络预测算法

TimeGPT-1：可投入生产的预训练时间序列基础模型，用于预测与异常检测。生成式预训练变压器在超过 100B 个数据点上训练，能准确预测零售、电力、金融与 IoT 等多个领域，只需几行代码 🚀

专业整理的时间序列 Transformer 相关优质资源（论文、代码、数据等）清单

[AAAI-23 Oral] 论文“Are Transformers Effective for Time Series Forecasting?”的官方实现

用于时间序列预测、分类与异常侦测的深度学习 PyTorch 函数库（最初用于洪水预测）。

一个采用面向对象设计并底层基于概率模型的 Python 贝叶斯预测套件。

一个用于现实中心机器/深度学习与数据挖掘的 Python 工具包/库，针对部分观测的时间序列，包含 50 多种 SOTA 神经网络模型，适用于不完整工业不规则采样多元时间序列（带有 NaN 缺失值）的科学分析任务（填补、分类、聚类、预测、异常检测、清理）。

一个旨在填补 Python 时间序列分析能力空白的统计库，包含相当于 R 的 auto.arima 函数。

顶级 AI 会议与期刊中关于时间序列 AI 的论文、教程与调查的专业清单。

Lag-Llama：迈向概率时间序列预测的基础模型

通用时间序列预测 Transformer 的统一训练

Python 中的 ARCH 模型

使用兼容 scikit-learn 的模型、统计方法和基础模型进行时间序列预测的 Python 库

用于时间序列机器学习与深度学习的工具包

自动化时间序列预测

Django Ledger 是一个构建在 Django Web Framework 上的复式记账系统与财务分析引擎。