搜索研究与资料 · 工具介绍
NeuralForecast
提供多类神经网络时间序列模型，通过统一的训练和预测接口处理有规律的历史序列。
NeuralForecast 能做什么
提供多类神经网络时间序列模型，通过统一的训练和预测接口处理有规律的历史序列。
- 模型训练与部署
如何使用 NeuralForecast
用神经网络生成时间序列预测
准备输入
- 有明确时间频率的历史序列
- 需要预测的步数
- 可用于独立验证的历史时间段
操作步骤
- 先以官方样例核对数据格式，再设置与自身数据一致的频率、输入窗口和预测步数。
- 创建包含所选模型的 NeuralForecast 对象，通过 fit 训练模型。
- 调用 predict 获取预测结果，在保留的历史时间段上检查误差，再决定是否用于实际业务。
预期交付物
- 未来指定步数的序列预测
- 历史留出区间的误差检查记录
输入窗口、训练步数和模型会影响计算成本；时间序列预测包含不确定性，不能直接当成已发生的业务事实。
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NeuralForecast
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。
