最近我在github上看到一个项目，项目内容是将深度学习方法(LSTM、RNN、GRU)进行时间序列建模的过程进行了封装，使得调用者调用者只需5行代码能完成时间序列建模以及预测的全过程。
项目本身是使用pytorch实现的，拓展性极强，在这儿与大家分享。希望能帮助到大家。
该项目的思路如下图所示，主要利用前几个时刻的序列值来预测未来若干时刻(一步预测、多步预测)。
model
项目中训练以及预测的函数功能和sklearn库中模型训练以及预测的函数保持一致，个人感觉容易上手，然后应用到自己的工作中。
项目的运行过程简单且直观，主要分为如下三个步骤:
- 加载数据，并划分训练集以及测试(函数该项目已提供)
data = pd.read_csv(train_file_path, header=0, index_col=0).values
train_data, test_data = divide_train_test(data)
- 初始化模型，可以根据自己的需求来指明参数，也可以按照默认值。
ts = ts_model()
- 训练模型以及可视化结果
preds, reals = ts.fit_transform(train_data, test_data)
ts.plot_predict_result(preds, reals)
是不是很简单，如果需要保存结果，可以直接调用项目提供的方法，期待小伙伴的探索。
最后，该项目提供了公开数据集，我们可以直接下载项目，然后运行。如果你觉得该项目确实帮助到你了，可以给这个项目加星，以促进这个项目后续更新。如果有问题，就直接在github上提问。
