AutoTS：如何仅用一行代码实现卓越的时序预测基线？

本文共计773个文字，预计阅读时间需要4分钟。

时间序列问题无疑是在销量预测、天气预报、股票预测等问题中至关重要的。随着机器学习的快速发展，已经出现了许多与时间序列建模相关的工具包。今天，我将介绍一种非常流行的工具——ARIMA模型。

时间序列问题无论是在销量预测，天气预测还是在股票预测等问题中都至关重要，而如今随着机器学习等快速发展，已经出现了非常多时间序列建模相关的工具包，今天介绍一种非常霸道的工具，融合了自动化机器学习技术开发的AutoTS。

Auto TS会先对数据进行预处理，从数据中删除异常值，通过学习寻找最佳的NaN值。只需使用一行代码，就可以训练多个时间序列模型，包括ARIMA、SARIMAX、FB Prophet、VAR，并得出效果最佳的模型。​喜欢本文记得收藏、点赞、关注。​

​文末提供技术交流群​

AutoTS

Auto TS是一个关于时间序列预测的开源Python库。

它可以在仅仅使用一行Python代码中训练多个时间序列预测模型，包括ARIMA、SARIMAX、FB Prophet、VAR等，然后在从中选择最佳模型进行预测。其中AutoTS包含的技术有：

• 遗传规划优化方法寻找最优时间序列预测模型。

• 训练简单的模型、统计模型、机器学习模型和深度学习模型，同时涉及到所有可能的超参数配置和交叉验证。

• 其它

代码

# !pip install autots
from autots import auto_timeseries
import pandas as pd


df = pd.read_csv("./data/data.csv", usecols=['Date', 'Close'])
df['Date'] = pd.to_datetime(df['Date'])
df = df.sort_values('Date')train_df.Close.plot(figsize=(15,8), title= 'AMZN Stock Price', fontsize=14, label='Train')
test_df.Close.plot(figsize=(15,8), title= 'AMZN Stock Price', fontsize=14, label='Test')
plt.legend()
plt.grid()
plt.show()

model = auto_timeseries(forecast_period=219, score_type='rmse', time_interval='D', model_type='best')
model.fit(traindata= train_df, ts_column="Date", target="Close")
future_predictions = model.predict(testdata=219)

小结

Auto TS是一个非常不错的时间序列Baseline工具包，集成了非常多经典的时序模型，在碰到时间序列问题时，可以考虑使用AutoTS来进行训练和预测，作为一个非常不错的基线。

参考文献

Train multiple Time Series Forecasting Models in one line of Python Code

pypi.org/project/AutoTS/

github.com/winedarksea/AutoTS

​

技术交流

欢迎转载、收藏、有所收获点赞支持一下！

目前开通了技术交流群，群友已超过​2000人​，添加时最好的备注方式为：来源+兴趣方向，方便找到志同道合的朋友

• 方式①、发送如下图片至微信，长按识别，后台回复：加群；
• 方式③、微信搜索公众号：​Python学习与数据挖掘​，后台回复：加群