GluonTS-Python中的概率时间序列建模 #
安装 #
#为火炬型号安装支架 pip(点阵) 安装 “格伦茨[火炬]”
#支持mxnet型号的安装 pip(点阵) 安装 “胶水[mxnet]”
简单示例 #
进口 熊猫 作为 钯
进口 matplotlib.打印 作为 plt公司
从 glouts.dataset.pandas数据集 进口 Pandas数据集
从 胶水.数据集.拆分 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/ "
“TimeSeriesAnalysisWithPython/master/data/AirPassengers.csv” ,
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
plt公司 . 情节 ( 数据流 [ "1954" :], 颜色 = “黑色” )
对于 预测 在里面 预测 :
预测 . 情节 ()
plt公司 . 传奇 ([ “真值” ], 本地 = “左上角” , 字体大小 = “xx-大” )
plt公司 . 显示 ()
引用 #
@文章 { 格伦茨.jmlr ,
作者 = {Alexander Alexandrov、Konstantinos Benidis和Michael Bohlke-Schneider
瓦伦汀·福兰克特、扬·加斯豪斯、蒂姆·贾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}
}