编程智能体与代码 · 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。
从编程智能体与代码角度评估NeuralForecast
把编程智能体与代码需要的条件列清楚，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。
能否读懂上下文
确认工具能够读取所需目录，且不会引入不必要的资料。
改动是否可审查
优先能展示差异、保留原文件和逐步验证的工作方式。
测试能否说明问题
测试应覆盖用户可见行为，不只证明代码能运行。
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。
