自动售货机AutoML 的一片面Auto-TS 是 ，习管道的少许组件它将自愿化呆板学。熬炼基础的呆板进修模子这自愿化库有助于非专家，域有太多常识而无需正在该领。文中正在本，TS 库自愿实施韶华序列预测模子咱们一同进修怎样利用 Auto-。 析模子功能的转移能够调动参数并分。auto-ts文档[1] 相闭参数的更多仔细音讯参考。 值去除来实施数据转换以处分零乱的数据它通过进修最佳 NaN 插补和特地。 文中正在本，n 代码中自愿化韶华序列模子谈论了怎样正在一行 Pytho。对数据举办预处分Auto-TS ，最佳 NaN 插补来处分杂乱的数据由于它从数据中删除特地值并通过进修。 TS 对象并拟合熬炼数据通过初始化 Auto-，个韶华序列模子它将自愿熬炼多，X、FB Prophet、VAR比方 ARIMA、SARIMA，最佳的模子并得出功能。的巨细有肯定的闭连模子的结果跟数据集。加数据集的巨细即使咱们测验增，会有所改良结果该当。 述还不可即使上，naconda你先测验重启a，还不可即使，先安置则须要： 呆板进修模子和深度进修模子它熬炼日常模子、统计模子、，参数修设和交叉验证拥有全豹不妨的超。 于韶华序列数据的丰富模子构修适用步调Auto_timeseries 是用。职责中涉及的很多职业因为它自愿化了丰富，很多智能默认值因而它假定了。能够厘革它们5.然则咱们。easonal ARIMA 和 Scikit-Learn ML 急迅构修预测模子Auto_Timeseries 将基于 Statsmodels ARIMA、S。定最佳分数的最佳模子它将自愿抉择给出指。 月至 2018 年 1 月的亚马逊股票价钱[2] 数据集本文利用了从 Kaggle 下载的 2006 年 1 。韶华序列预测模子该库仅供应熬炼。韶华或日期体式列数据集该当有一个。 、可领悟（趋向+时令性+残差）模子和集成呆板进修模子等工夫构修和抉择多个韶华序列模子Auto_TimeSeries 不妨助手咱们利用 ARIMA、SARIMAX、VAR。 并判辨咱们模子的功能能够利用全豹这些参数，陈述抉择最适宜的模子然后能够为咱们的题目。[3] 仔细反省全豹这些参数能够查看auto-ts文档。 p install pystan 这个岁月你会装pystan: pi。实行后安置，现上述报错仍然会出。现了如上处境即使你也出，要慌不，助你踩过坑了云朵君依然。 Python 库它是一个开源 ，化韶华序列预测重要用于自愿。熬炼多个韶华序列模子它将利用一行代码自愿，题目陈述抉择最好的模子这将助手咱们为咱们的。 库 Auto-TS 中正在 python 开源，manbetx官方网站注册，eries 利用熬炼数据移用的重要函数auto-ts.Auto_TimeS。择思要的模子类型然后咱们能够选，ased models （基于 FB 先知的模子）比方 stats、ml 或FB prophet-b。以调动参数咱们还可，于的评分参数自愿抉择最佳模子这些参数将遵循咱们生机它基。模子和一个字典它将返回最佳，的预测（默认值 = 2）此中包蕴提到的预测周期数。 
