• 阅读本手册需要一定mxnet、gluon操作基础
• 本文使用cpu训练代码
• 本文github地址：https://github.com/zmkwjx/GluonTS-Learning-in-Action
• GluonTS官网地址：https://gluon-ts.mxnet.io

1、DeepAR介绍

在GluonTS中，DeepAR实现了一种基于RNN的模型，使用自回归递归网络进行概率预测，是一种在大量相关时间序列上训练自回归递归网络模型的基础上，用于产生准确概率预测的方法。与最新技术相比，其准确性提高了15％左右。
概率预测（即根据时间序列的过去来估计时间序列的未来的概率分布）是优化业务流程的关键因素。

• 注意：此模型的代码与SageMaker的DeepAR预测算法背后的实现无关

• 阅读本手册需要一定mxnet、gluon操作基础
• 本文使用cpu训练代码
• 本文github地址：https://github.com/zmkwjx/GluonTS-Learning-in-Action
• GluonTS官网地址：https://gluon-ts.mxnet.io

1、环境以及安装

1.1 本文开发环境：ubuntu16.04TS、python3.7
1.2 快速安装

1
2

pip install matplotlib numpy pandas pathlib
pip install mxnet mxnet-mkl gluon gluonts

2、训练程序

1
2
3
4
5
6
7
8

#Third-party imports
import matplotlib.pyplot as plt
import pandas as pd
from pathlib import Path
from gluonts.model import deepar
from gluonts.dataset import common
from gluonts.dataset.util import to_pandas
from gluonts.model.predictor import Predictor

2.1 加载训练数据 Twitter_volume_AMZN.csv

1
2
3
4

url  = "./data/Twitter_volume_AMZN.csv"
df   = pd.read_csv(url, header=0, index_col=0)
data = common.ListDataset([{"start": df.index[0],
    "target": df.value[:"2015-04-23 00:00:00"]}], freq="H")

• pd.read_csv 将csv文件读入并转化为数据框形式

• common.ListDataset 加载训练数据

  2.2 解读 ListDataset

class gluonts.dataset.common.ListDataset(data_iter: Iterable[Dict[str, Any]], freq: str, one_dim_target: bool = True)

• data_iter： 可迭代对象产生数据集中的所有项目。每个项目都应该是一个将字符串映射到值的字典。例如：{“start”: “2014-09-07”, “target”: [0.1, 0.2]}

• freq： 时间序列中的观察频率。

• one_dim_target： 是否仅接受单变量目标时间序列。

  2.3 训练现有模型
  GluonTS带有许多预先构建的模型。用户所需要做的就是配置一些超参数。现有模型专注于（但不限于）概率预测。概率预测是以概率分布的形式进行的预测，而不是简单的单点估计。