nixtla

TimeGPT-2.1:生產就緒的預訓練時間序列基礎模型,用於預測和異常偵測。用於時間序列的生成式預訓練Transformer。

nixtla 是什麼?

TimeGPT-2.1:生產就緒的預訓練時間序列基礎模型,用於預測和異常偵測。用於時間序列的生成式預訓練Transformer,訓練資料超過100B個資料點。只需幾行程式碼,即可準確預測零售、電力、金融和物聯網等各種領域 🚀。

nixtla 概覽

這是什麼

TimeGPT-2.1 是一個生產就緒的預訓練時間序列基礎模型,用於預測和異常檢測。它是一個生成式預訓練轉換器,在超過 1000 億個數據點上訓練而成。該模型能夠僅用幾行程式碼準確預測零售、電力、金融和物聯網等多個領域。

主要功能

  • 零樣本推論:無需事先訓練數據即可生成預測和檢測異常。
  • 微調:透過在特定數據集上微調來增強模型效能。
  • API 存取:透過強大的 API 將 TimeGPT 整合到應用程式中;也可部署在自己的基礎設施上。
  • 加入外生變數:納入其他變數(例如特殊日期、事件、價格)以提高預測準確度。
  • 多序列預測:同時預測多個時間序列。
  • 預測區間:在預測中提供區間以量化不確定性。
  • 不規則時間戳:處理非均勻間隔的序列數據,無需預處理。

使用情境

TimeGPT 可應用於零售、電力、金融、物聯網、網路流量和比特幣價格等領域的預測和異常檢測。它適用於零樣本推論,或針對自訂數據進行微調。

快速開始

安裝 SDK: python pip install nixtla>=0.8.0 使用 TimeGPT 進行預測(需從 https://nixtla.io/free-trial 取得 API 金鑰): python import pandas as pd from nixtla import NixtlaClient nixtla_client = NixtlaClient(api_key = 'YOUR API KEY HERE') df = pd.read_csv('https://raw.githubusercontent.com/Nixtla/transfer-learning-time-series/main/datasets/electricity-short.csv') fcst_df = nixtla_client.forecast(df, h=24, level=[80, 90]) nixtla_client.plot(df, fcst_df, level=[80, 90]) 異常檢測及其他語言支援請參閱儲存庫 README。

授權與價格

儲存庫中未聲明授權條款。該專案被列為開源軟體。

內容整理自該專案公開的 README 與儲存庫資訊。

將此徽章加入你的 README

Featured on YunoDB 徽章樣式與說明

你是這個專案的維護者嗎?展示它已收錄於 YunoDB。

Markdown[![Featured on YunoDB](https://yunodb.com/badge/nixtlanixtla.svg)](https://yunodb.com/tools/nixtlanixtla?utm_source=github&utm_medium=badge)
HTML<a href="https://yunodb.com/tools/nixtlanixtla?utm_source=github&utm_medium=badge"><img src="https://yunodb.com/badge/nixtlanixtla.svg" alt="Featured on YunoDB" height="20"></a>