Nixtla представила StatsForecast 1.7.5: новые возможности для прогнозирования временных рядов
StatsForecast 1.7.5 представляет собой значительное обновление, включающее инновационную модель MFLES и удобную оболочку для моделей scikit-learn, облегчающую использование экзогенных признаков.
Модель MFLES
Одной из важных особенностей этого обновления является добавление модели MFLES (Median Fourier Linear Exponential Smoothing), выделяющейся отличной производительностью, скоростью и универсальностью. Основанная на градиентном методе декомпозиции временных рядов, она поддерживает экзогенные признаки и обрабатывает несколько сезонностей с легкостью, предлагая надежные и точные прогнозы. Модель MFLES отличается от других тем, что объединяет в себе Медиану, Гармонические составляющие, Линейные тренды и Экспоненциальное сглаживание. Эта комбинация позволяет модели MFLES предлагать надежные и точные прогнозы, делая ее ценным дополнением к арсеналу StatsForecast.
Интеграция с scikit-learn
Новое обновление также включает оболочку для моделей scikit-learn, позволяющую использовать богатые возможности инженерии признаков scikit-learn в задачах прогнозирования временных рядов. Это предоставляет гибкость и расширяет возможности моделирования StatsForecast, упрощая интеграцию внешних переменных, таких как погода или цены, в прогностические модели.
StatsForecast разрешает ограничения существующих альтернатив Python для статистических моделей, предлагая высокую производительность и масштабируемость, что делает его подходящим для производственных сред и бенчмаркинга.
Основные возможности и производительность StatsForecast 1.7.5:
- Автоматическое прогнозирование
- Разнообразие моделей
- Скорость и эффективность
- Совместимость и интеграция
- Простой в использовании синтаксис
Установка StatsForecast проста. Его можно установить с помощью pip или conda:
pip install statsforecast
conda install -c conda-forge statsforecast
StatsForecast 1.7.5 – это ключевой элемент для прогнозирования временных рядов, предлагающий скорость, точность и гибкость. Встраивание модели MFLES и интеграция с scikit-learn расширяют возможности инструмента, делая его незаменимым ресурсом для специалистов по данным и аналитиков.
Использование искусственного интеллекта для развития вашего бизнеса
Искусственный интеллект может значительно улучшить вашу работу и приносить дополнительную ценность вашим клиентам. Он может быть применен для автоматизации процессов, повышения эффективности и улучшения ключевых показателей производительности. Постепенно внедряйте решения и анализируйте результаты для расширения автоматизации.
Если вам нужны советы по внедрению искусственного интеллекта, обратитесь к нам в телеграмм https://t.me/flycodetelegram
Или попробуйте ИИ ассистента в продажах от Flycode.ru: https://flycode.ru/aisales/
Узнайте, как искусственный интеллект может изменить ваши процессы с решениями от Flycode.ru.
