时间序列预测¶

AutoGluon 可以根据历史数据和其他相关协变量预测多个时间序列的未来值。只需调用一次 AutoGluon 的 TimeSeriesPredictor 的 fit() 方法，即可训练多个模型生成准确的概率预测，而无需您手动处理模型选择和超参数调优等繁琐问题。

在底层，AutoGluon 结合了各种最先进的预测算法。其中包括来自 StatsForecast 的成熟统计方法，如 ETS 和 ARIMA；基于 AutoGluon-Tabular 的高效树模型预测器，如 LightGBM；来自 GluonTS 的灵活深度学习模型，如 DeepAR 和 Temporal Fusion Transformer；以及预训练的零样本预测模型 Chronos。

查看快速入门教程，了解如何使用 AutoGluon 在短短 3 行代码中进行准确预测。

快速入门

时间序列数据集模型拟合快速入门教程。

forecasting-quick-start.html

深入教程

详细讨论 AutoGluon 中的时间序列预测功能。

forecasting-indepth.html

使用 Chronos 进行预测

使用 AutoGluon 中预训练的 Chronos 时间序列模型进行零样本预测。

forecasting-chronos.html

模型库

AutoGluon-TimeSeries 中可用的预测模型列表。