pycaret学习笔记（6）-quickstart-时间序列

文章预览

时间序列 PyCaret时间序列模块是使用机器学习和经典统计技术分析和预测时间序列数据的强大工具，该模块通过自动化从数据准备到模型部署的整个过程，使用户能够轻松执行复杂的时间序列预测任务。 PyCaret时间序列预测模块支持ARIMA、Prophet和LSTM等广泛的预测方法，它还提供各种功能来处理缺失值、时间序列分解和数据可视化。 Setup 此函数初始化训练环境并创建转换管道。在执行任何其他函数之前，必须调用设置函数。 # load sample dataset from pycaret.datasets import get_data data = get_data( 'airline' ) 测试数据 Functional API from pycaret.time_series import * s = setup(data, fh = 3, fold = 5, session_id = 123) OOP API from pycaret.time_series import TSForecastingExperiment s = TSForecastingExperiment() 比较模型 该函数使用交叉验证训练和评估模型库中所有可用估计器的性能。该函数的 ………………………………