darts

Darts 是一个 Python 3.10+ 库，用于在时间序列数据上训练、评估和使用模型。其 TimeSeries 抽象支持单变量和多变量序列，并可与 pandas、Polars、NumPy、PyArrow、xarray 及其他后端交换数据。 预测模型包括 ARIMA、VARIMA、ExponentialSmoothing、Prophet、N-BEATS 以及与 scikit-learn 兼容的回归器。模型遵循一致的 fit() 和 predict() 工作流，并可支持多个序列、样本权重、移位输出窗口、过去观测或未来已知协变量，以及静态协变量。许多模型通过样本、分布参数或分位数处理多变量数据和概率预测。保形预测模型可为预训练的全局预测模型生成经过校准的分位数区间。 该库还提供移动窗口回测、层级调和转换器、时间序列指标（包括 R² 和平均绝对比例误差）、针对部分模型的基于 SHAP 的解释，以及缩放、填补、差分和 Box-Cox 等数据转换。滤波模型包括 KalmanFilter、GaussianProcessFilter 和 MovingAverageFilter。 darts.ad 模块结合了异常评分器、检测器和聚合器。它包含 KMeansScorer 和 QuantileDetector 等示例，可通过将预测值与实际值比较来包装预测或滤波模型，并可通过 PyODScorer 应用 PyOD 检测器。深度学习模型使用 PyTorch Lightning，支持自定义回调、GPU 或 TPU 以及自定义训练器。MLflow 集成支持实验跟踪、比较和持久化。安装可通过 pip 完成，README 提供快速入门、用户指南、API 参考、示例和专题文章的链接。