# 为火炬型号安装支架 pip安装 " 格伦茨[火炬] "
# 支持mxnet型号的安装 pip安装 " 格伦茨 " 进口 熊猫 作为 钯
进口 马特普洛特利布 . pyplot图 作为 平板电脑
从 格伦茨 . 数据集 . 熊猫 进口 Pandas数据集
从 胶子 . 数据集 . 分裂 进口 分裂
从 格伦茨 . 火炬 进口 深度估计器
#将数据从CSV文件加载到PandasDataset
数据流 = 钯 . 读取csv ( " https://raw.githubusercontent.com/AileenNielsen网址/ "
“使用Python/master/data/AirPassengers.csv进行时间序列分析” , 索引_科尔 = 0 , 解析日期（_dates） = 真的 , ) 数据集 = Pandas数据集 ( 数据流 , 目标 = “#乘客” ) #分割数据用于培训和测试
培训_数据 , 测试生成 = 分裂 ( 数据集 , 抵消 = - 36 ) 测试_数据 = 测试生成 . 生成实例 ( 预测_长度 = 12 , 窗户 = 三 ) #训练模型并进行预测
模型 = 深度估计器 ( 预测_长度 = 12 , 频率 = “M” , 教练_夸格斯 = { “最大_epochs” : 5 } ). 火车 ( 培训_数据 ) 预测 = 列表 ( 模型 . 预测 ( 测试_数据 . 输入 )) #绘图预测
平板电脑 . 情节 ( 数据流 [ "1954" :], 颜色 = “黑色” ) 对于 预测 在里面 预测 : 预测 . 情节 () 平板电脑 . 传奇 ([ “真值” ], 本地 = “左上角” , 字体大小 = “xx-大” ) 平板电脑 . 显示 () ![[列车试验]](https://ts.gluon.ai/static/README/forecasts.png)
@文章 { 格伦茨.jmlr , 作者 = { 亚历山大·亚历山德罗夫（Alexander Alexandrov）、康斯坦蒂诺斯·贝尼迪斯（Konstantinos Benidis）和迈克尔·博尔克·施奈德（Michael Bohlke-Schneider）
瓦伦汀·弗伦克特、扬·加斯豪斯、蒂姆·亚努肖夫斯基和丹妮尔·马迪克斯
Syama Rangapuram、David Salinas、Jasper Schulz、Lorenzo Stella和
Ali Caner Turkmen和Yuyang Wang } , 标题 = { {GluonTS:Python中的概率和神经时间序列建模} } , 杂志 = { 机器学习研究杂志 } , 年 = { 2020 } , 体积 = { 21 } , 数 = { 116 } , 页 = { 1-6 } , 网址 = { http://jmlr.org/papers/v21/19-820.html } } @文章 { 格隆茨·阿尔西夫 , 作者 = { Alexandrov，A.和Benidis，K.以及Bohlke-Schneider，M.和
弗伦克特，V.和加斯豪斯，J.和贾努肖夫斯基，T.和马迪克斯，D.C。
Rangapuram，S.和Salinas，D.和Schulz，J.以及Stella，L.和
Turkmen，A.C.和Wang，Y。 } , 标题 = { {GluonTS:Python中的概率时间序列建模} } , 杂志 = { arXiv预打印arXiv:1906.05264 } , 年 = { 2019 } } 
