diviner 0.1.1

这适合我的项目吗？

Diviner旨在帮助进行大规模预测。而不是描述它可能适用的每个单独用例，这里列出了一个非详尽的列表，说明它作为解决方案可能很好地适合以下项目

• 预测公司在每个国家每天的区域销售

• 预测成千上万产品的区域性仓库的库存需求

• 预测一个国家内每个机场的每日旅客数量

• 预测多州地区每个街区（或家庭）的电力需求

这些示例都有一个共同的主题

• 数据在时间上是同质的（所有数据都是按每日、每小时、每周等收集的）。

• 由于数据的基数，需要构建大量单个模型。

• 每个系列的季节性、趋势或残差同质性没有保证。

• 可能需要不同级别的聚合来解决不同的用例。

Diviner 解决的主要问题是管理大量离散时间序列建模任务的执行。Diviner 提供了一个高级 API 和元数据管理方法，减轻了管理数百或数千个单独模型的操作负担。

分组建模包装器

目前，Diviner 支持以下开源库进行大规模预测：

• prophet

• pmdarima

安装

通过 PyPI 安装 Diviner：

pip install diviner

文档

Diviner 的文档、示例和教程可以在这里找到。

社区 & 贡献

有关 Diviner 的帮助，请参阅文档。

欢迎对 Diviner 的贡献。要报告错误、请求新功能或贡献功能请求，请打开 GitHub 问题。团队将与您合作，确保您的贡献得到评估，并提供适当的反馈。有关提交指南，请参阅贡献指南。