HierarchicalForecast：Python中分层预测的参考框架
机器学习
2024-10-11 v6 人工智能
机器学习
摘要
大量时间序列数据通常按不同聚合层级组织为结构，例如产品与地理分组。确保预测的一致性（coherent）往往十分重要，使得离散层级的预测值之和与聚合预测相符。机器学习界对分层预测系统日益增长的兴趣表明，当下正是确保科学研究立足于可靠基线的恰当时机。为此，我们提出HierarchicalForecast库，其包含预处理过的公开数据集、评估指标以及一组统计基线模型。我们这一基于Python的参考框架旨在弥合统计与计量经济建模同机器学习预测研究之间的鸿沟。代码与文档见https://github.com/Nixtla/hierarchicalforecast。
引用
@article{arxiv.2207.03517,
title = {HierarchicalForecast: A Reference Framework for Hierarchical Forecasting in Python},
author = {Kin G. Olivares and Azul Garza and David Luo and Cristian Challú and Max Mergenthaler and Souhaib Ben Taieb and Shanika L. Wickramasuriya and Artur Dubrawski},
journal= {arXiv preprint arXiv:2207.03517},
year = {2024}
}