> ML_KUTUPHANE // PMDARIMA_v1.0
pmdarima
Taylor G. Smith / alkaline-ml — Otomatik mevsimsel ARIMA derecesi seçimi için R'ın auto.arima paketinin Python eşdeğeri.
time-series-forecastingv2.0.4MITqualified
Model Eğitimi (Training)
Desteklenen Hızlandırıcılar:
CPU
Dağıtık Eğitim (Distributed):Hayır
Model Sunumu (Inference)
Inference Hızlandırıcıları:
CPU
Hedef Ortamlar (Targets):server
Neleri Sağlar (Ne Yapar)
- +Hyndman-Khandakar algoritması ile ARIMA(p,d,q) ve SARIMA(P,D,Q) dereceleri üzerinde otomatik arama
- +Bilgi kriteri minimizasyonu (AIC, AICc, BIC, HQIC)
- +Durağanlık ve mevsimsel fark alma için birim kök testleri (ADF, KPSS, CH, OCSB)
- +fit/predict API'sine sahip scikit-learn uyumlu tahminleyici sarmalayıcı
Neleri Sağlamaz (Ne Yapmaz)
- -Spark kümelerinde yatay olarak ölçeklenme (milyonlarca seri için StatsForecast kullanın)
- -Derin nöral ağlar veya transformatörler eğitme
- -Çok değişkenli vektör otoregresyonu (VAR) desteği
>Uygun İş Tipleri
- Bireysel iş KPI'ları için mevsimsel ARIMA parametre ayarını otomatikleştirme
- Eski R auto.arima betiklerini eşdeğer Python mikro servisleriyle değiştirme
- Akademik/finansal ortamlarda klasik zaman serisi modellerini öğretme ve doğrulama
>Uygun Olmayan İş Tipleri
- Bir gecede 500.000 perakende SKU'sunu tahminleme (pmdarima çok yavaştır; StatsForecast AutoARIMA kullanın)
- Gerçek zamanlı finansal akış yürütme
Veri Yerleşimi ve İkameti
Yalnızca yerel bellekte çalışır. Sıfır ağ çağrısı.
Güvenlik Değerlendirmesi
Kısıtlamasız ticari kullanıma sahip MIT lisansı.
Operasyonel Metrikler ve Bilinen Kısıtlar
Olgunluk:mature
Öğrenme Eğrisi:low
Operasyon Yükü:low
Maliyet Seviyesi:free-oss
> Bilinen Kısıtlamalar:
- Uzun mevsimsel periyotlarda (örn. m=365) adımsal optimizasyon son derece yavaştır ve sınırlar daraltılmazsa kilitlenebilir.
İlişkili Üretim Arıza Paternleri (Incidentpedia)
Bu kütüphaneyi üretimde kullanırken aşağıdaki arıza senaryolarına karşı fail-closed korumalar uygulayın:
> Birincil Kanıt ve Doğrulama Kaynakları
pmdarima Documentationofficial-docs • >=2.0.0, <=2.0.x
2026-09-25HIGH
