> ML_KUTUPHANE // MLFORECAST_v1.0
MLForecast
Nixtla — Gradyan artırma ve otomatik öznitelik mühendisliği kullanarak ölçeklenebilir makine öğrenimi zaman serisi tahmini.
time-series-forecastingv0.13.4Apache-2.0qualified
Model Eğitimi (Training)
Desteklenen Hızlandırıcılar:
CPUCUDA
Dağıtık Eğitim (Distributed):Evet
Model Sunumu (Inference)
Inference Hızlandırıcıları:
CPUCUDA
Hedef Ortamlar (Targets):server
Neleri Sağlar (Ne Yapar)
- +Otomatik gecikme (lag) ve pencere dönüşümü üretimi (hareketli ortalama, standart sapma, üstel ağırlıklı ortalamalar)
- +Herhangi bir scikit-learn regresörünü (LightGBM, XGBoost, CatBoost) sarmalayan özyinelemeli çok adımlı tahminleme
- +Çok ufuklu modellerle doğrudan (direct) tahminleme stratejileri
- +Dask, Ray ve Spark ile dağıtık öznitelik çıkarımı ve eğitim
Neleri Sağlamaz (Ne Yapmaz)
- -Derin öğrenme geri yayılımını doğal olarak hesaplama (NeuralForecast kullanın)
- -Ham yapılandırılmamış video veya metin verilerini işleme
- -İstemci tarafı mobil tarayıcılarda çalışma
>Uygun İş Tipleri
- Tabüler gradyan artırma modellerinden yararlanan endüstriyel talep tahmini
- Dağıtık Dask/Ray ile tabüler tahminlemeyi milyonlarca seriye ölçekleme
- Çok yıllık geçmiş kayıtlardan zengin zamansal öznitelik kümeleri üretme
>Uygun Olmayan İş Tipleri
- Açık ekonometrik p-değerleri gerektiren saf istatistiksel çıkarım (statsmodels kullanın)
- Tek adımlı borsa verisi gecikmesi (<1ms)
Veri Yerleşimi ve İkameti
CPU/GPU kümelerinde yerel olarak çalışır. Sıfır üçüncü taraf telemetrisi.
Güvenlik Değerlendirmesi
Sıfır ticari kısıtlama içeren Apache-2.0 lisansı.
Operasyonel Metrikler ve Bilinen Kısıtlar
Olgunluk:mature
Öğrenme Eğrisi:low
Operasyon Yükü:low
Maliyet Seviyesi:free-oss
> Bilinen Kısıtlamalar:
- Özyinelemeli tahminleme, ilk adımlar belirgin şekilde saptığında uzun tahmin ufuklarında hata biriktirir.
İlişkili Üretim Arıza Paternleri (Incidentpedia)
Bu kütüphaneyi üretimde kullanırken aşağıdaki arıza senaryolarına karşı fail-closed korumalar uygulayın:
> Birincil Kanıt ve Doğrulama Kaynakları
MLForecast Documentationofficial-docs • >=0.12.0, <=0.13.x
2026-09-25HIGH