时间序列数据是许多应用（例如 IT 运营、质量管理、财务分析以及库存和销售管理）获取洞察的关键来源。然而，尽管市面上已有各种专用软件包和软件，但工程师和研究人员在尝试实验或对时间序列分析算法进行基准测试时，仍然面临着诸多艰巨的挑战。不同模型的编程接口学习曲线陡峭，模型的选择和训练过程复杂，数据兼容性要求高，评估指标也错综复杂，这些因素限制了此类软件包对广大潜在用户的可及性。
为了解决这些问题，并将几个关键功能结合到一个工具中，王欢的团队开发了Merlion：一个用于时间序列智能的 Python 库。
Merlion 提供了一个端到端的机器学习框架，包括数据加载和转换、模型构建和训练、模型输出后处理以及模型性能评估。它支持各种时间序列学习任务，包括单变量和多变量时间序列的预测、异常检测和变点检测。Merlion 库为工程师和研究人员提供了一站式解决方案，帮助他们快速开发满足特定时间序列需 手机号数据库列表 求的模型，并在多个时间序列数据集上进行基准测试，从而帮助解决一系列问题。您无需学习和部署多种工具，只需在一个强大的框架内即可完成所有操作。
作为许多 ML 时间序列任务的完整端到端解决方案，Merlion 提供了几个关键优势：
一体化设计：比其他 ML 工具具有更多内置特性/功能（如下表所示）
预处理层和后处理层
异常分数校准以提高可解释性
AutoML 用于超参数调整和模型选择
模拟模型再训练的评估框架
支持集成（组合多个模型）
一个易于使用的可视化模块。
ETSformer：用于时间序列预测的指数平滑变压器
ETSformer，简而言之=变形金刚，变形金刚！
Gerald Woo 的团队开发了一种名为 ETSformer 的新型时间序列预测模型，该模型充分利用了两个框架的强大功能。通过将季节性趋势分解和指数平滑的经典直觉与现代Transformer相结合，并引入新颖的指数平滑和频率注意机制，ETSformer 取得了一些令人印象深刻的结果。