> ML_KUTUPHANE // STATSMODELS_v1.0
statsmodels
statsmodels Developers / NumFOCUS — Titiz istatistiksel çıkarım ve klasik ekonometri için önde gelen Python kütüphanesi.
time-series-forecastingv0.14.4BSD-3-Clausequalified
Model Eğitimi (Training)
Desteklenen Hızlandırıcılar:
CPU
Dağıtık Eğitim (Distributed):Hayır
Model Sunumu (Inference)
Inference Hızlandırıcıları:
CPUWASM
Hedef Ortamlar (Targets):server
Neleri Sağlar (Ne Yapar)
- +Kapsamlı ekonometrik tahminleme (OLS, WLS, GLS, Logit, Probit, Poisson)
- +Ayrıntılı istatistiksel tanılama (p-değerleri, güven aralıkları, t-testleri, ANOVA tabloları)
- +Klasik tek değişkenli ve çok değişkenli zaman serileri (ARIMA, SARIMAX, VAR, VECM, State Space)
- +İstatistiksel süreç kontrolü ve mevsimsel ayrıştırma (STL, Hodrick-Prescott)
Neleri Sağlamaz (Ne Yapmaz)
- -Büyük tensör hesaplamaları için GPU hızlandırmasından yararlanma
- -Doğal derin nöral ağlar veya transformatörler eğitme
- -Dağıtık orkestrasyon olmadan çok düğümlü kümelerde bellek dışı ölçeklenme
>Uygun İş Tipleri
- Ekonometrik talep esnekliği tahmini ve mevzuata uygun raporlama
- A/B testi istatistiksel anlamlılık denetimleri
- Açık p-değerleri ve güven aralıkları gerektiren finansal risk modellemesi
>Uygun Olmayan İş Tipleri
- Yüksek frekanslı milisaniyelik algoritmik alım-satım döngüleri
- Karmaşık bilgisayarlı görü veya ses üretimi görevleri
Veri Yerleşimi ve İkameti
Yalnızca yerel sunucu belleğinde çalışır. Sıfır telemetri veya harici iletim.
Güvenlik Değerlendirmesi
Model saklama pickle kullanır; güvenilmeyen kaynaklardan gelen model dosyalarını açmayın.
Operasyonel Metrikler ve Bilinen Kısıtlar
Olgunluk:mature
Öğrenme Eğrisi:moderate
Operasyon Yükü:low
Maliyet Seviyesi:free-oss
> Bilinen Kısıtlamalar:
- CPU sınırlıdır; çok sayıda dışsal değişken içeren karmaşık SARIMAX modellerinin uyarlanması paralel arama olmadan yavaşlayabilir.
İlişkili Üretim Arıza Paternleri (Incidentpedia)
Bu kütüphaneyi üretimde kullanırken aşağıdaki arıza senaryolarına karşı fail-closed korumalar uygulayın:
> Birincil Kanıt ve Doğrulama Kaynakları
statsmodels Documentationofficial-docs • >=0.14.0, <=0.14.x
2026-09-25HIGH