NeuralProphet：可解释的大规模预测框架
机器学习
2021-12-01 v1 机器学习
摘要
我们介绍了 NeuralProphet，它是 Facebook Prophet 的继任者，后者为可解释、可扩展且用户友好的预测框架树立了行业标准。随着时间序列数据的激增，可解释预测对于业务和运营决策仍是一项具有挑战性的任务。需要混合解决方案来弥合可解释经典方法与可扩展深度学习模型之间的差距。我们将 Prophet 视为此类解决方案的前身。然而，Prophet 缺乏局部上下文，而局部上下文对于近期未来预测至关重要，并且由于其 Stan 后端而难以扩展。NeuralProphet 是一个基于 PyTorch 并使用标准深度学习方法训练的混合预测框架，使开发者易于扩展该框架。局部上下文通过自回归和协变量模块引入，这些模块可配置为经典线性回归或神经网络。除此之外，NeuralProphet 保留了 Prophet 的设计理念并提供了相同的基本模型组件。我们的结果表明，在一组生成的时间序列上，NeuralProphet 生成的可解释预测组件质量与 Prophet 相当或更优。在多种真实世界数据集上，NeuralProphet 优于 Prophet。对于短期至中期预测，NeuralProphet 将预测精度提高了 55% 至 92%。
引用
@article{arxiv.2111.15397,
title = {NeuralProphet: Explainable Forecasting at Scale},
author = {Oskar Triebe and Hansika Hewamalage and Polina Pilyugina and Nikolay Laptev and Christoph Bergmeir and Ram Rajagopal},
journal= {arXiv preprint arXiv:2111.15397},
year = {2021}
}
备注
NeuralProphet can be installed with pip or from https://github.com/ourownstory/neural_prophet - Documentation is available at https://neuralprophet.com