搜索研究与资料 · 工具介绍
Darts
用于 Python 时间序列预测与异常检测，提供统一模型接口、回测能力及多种预测模型。
Darts 能做什么
用于 Python 时间序列预测与异常检测，提供统一模型接口、回测能力及多种预测模型。
- 模型训练与部署
如何使用 Darts
预测时间序列并与留出数据比较
准备输入
- 包含时间列和数值列的历史表格
- 需要保留的验证时间段
- 所选模型的运行环境
操作步骤
- 将表格转换为 TimeSeries，指定时间列与数值列，再按时间切分训练和验证数据。
- 实例化预测模型，以训练部分调用 fit，再预测与验证部分相同的长度。
- 绘制历史序列与预测结果，比较中位预测及所需分位区间，记录误差和异常时段。
预期交付物
- 时间序列预测结果
- 历史与预测对照图
不同模型支持的概率预测与外部变量不同；分位区间并非保证，不能把验证区间混入训练数据后再报告效果。
开始前需要了解
账号权限、费用与可用功能请以官方入口的当前说明为准。重要结果应先检查，再用于实际工作。
从搜索研究与资料角度评估Darts
把搜索研究与资料需要的条件列清楚，再比较工具。阅读本页的产品用途、步骤与限制，再逐项确认下面的问题；这些是选型方法，不表示每款工具都具备同样能力。
来源能否回看
需要能打开的原始页面或文档位置，不能只有一段无出处的摘要。
范围是否与问题一致
核对日期、地区、对象与定义，不把相似术语当成同一事实。
是否保留反例
把冲突资料和未解决问题放进结论，避免只找支持原想法的证据。
选择一个小样任务，先检查结果与交付格式，再决定是否用于更多资料。
