statsforecast
Get Started
NixtlaVerse
StatsForecast ⚡️
MLForecast 🤖
NeuralForecast 🧠
HierarchicalForecast 👑
Help
Report an Issue
Join our Slack
贡献指南
Nixtla Documentation
StatsForecast ⚡️
入门
安装
快速开始
完整流程演示
使用Polars的端到端演练
教程
异常检测
保守预测
交叉验证
电力负荷预测
检测需求峰值
波动率预测 (GARCH & ARCH)
间歇性或稀疏数据
MLFlow
多重季节性
统计、机器学习和神经预测方法
概率预测
操作指南
自动时间序列预测
外生回归变量
生成特征
Migrating from R
Numba缓存
Sklearn 模型
模型参考
ADIDA模型
ARCH模型
ARIMA 模型
AutoARIMA模型
AutoCES模型
AutoETS 模型
自回归模型
AutoTheta 模型
Croston经典模型
Croston优化模型
CrostonSBA 模型
动态优化Theta模型
动态标准Theta模型
GARCH模型
霍尔特模型
霍尔特-温特斯模型
IMAPA模型
MFLES
多季节性趋势 (MSTL)
优化的 Theta 模型
季节性指数平滑模型
季节性指数平滑优化模型
简单指数平滑优化模型
简单指数平滑模型
标准Theta模型
TSB模型
API 参考
核心方法
FugueBackend
模型
StatsForecast’s Models
贡献指南
Contribute to Nixtla
Nixtla Documentation
Understanding Issue Labels
Submit an Issue 📢
Step-by-step Contribution Guide
Contributing Code to Nixtla Development
贡献指南
Nixtla Documentation
Nixtla Documentation
TBD
Give us a ⭐ on
Github