Auto_TS 项目使用与配置指南

Auto_TS 项目使用与配置指南

Auto_TS Automatically build ARIMA, SARIMAX, VAR, FB Prophet and XGBoost Models on Time Series data sets with a Single Line of Code. Created by Ram Seshadri. Collaborators welcome. 项目地址: https://gitcode.com/gh_mirrors/au/Auto_TS

1. 项目目录结构及介绍

Auto_TS 是一个开源时间序列模型自动化构建库，其目录结构如下：

Auto_TS/
├── .github/                # GitHub 工作流和配置文件
│   └── workflows/
├── example_datasets/       # 示例数据集
├── example_notebooks/      # Jupyter 笔记本示例
├── images/                 # 项目相关图片
├── .gitignore              # Git 忽略文件
├── .mypy.ini               # MyPy 配置文件
├── .pylintrc               # PyLint 配置文件
├── CHANGELOG               # 更新日志
├── LICENSE                 # 许可证文件
├── MANIFEST.in             # 打包时包含的文件列表
├── README.md               # 项目说明文件
├── cloud_run.txt           # 云服务运行配置文件
├── requirements.txt        # 项目依赖文件
├── setup.py                # 项目安装脚本
└── updates.md              # 更新说明

• .github/: 包含 GitHub Actions 工作流文件，用于自动化项目管理任务。
• example_datasets/: 提供了一些示例数据集，方便用户测试和验证项目。
• example_notebooks/: 包含了使用 Auto_TS 的 Jupyter 笔记本示例。
• images/: 存储项目的相关图片，如架构图、示例图表等。
• .gitignore: 定义了 Git 忽略的文件列表，以避免将不必要的文件提交到仓库。
• .mypy.ini 和 .pylintrc: 分别是 MyPy 和 PyLint 的配置文件，用于代码静态类型检查和风格检查。
• CHANGELOG, LICENSE, MANIFEST.in, README.md, cloud_run.txt, requirements.txt, setup.py, updates.md: 这些是项目的文档和配置文件，下面会详细介绍。

2. 项目的启动文件介绍

Auto_TS 的启动主要通过 setup.py 文件进行，该文件定义了项目的安装过程和依赖项。

from setuptools import setup, find_packages

setup(
    name='auto-ts',
    version='0.1.0',
    packages=find_packages(),
    install_requires=[
        'numpy',
        'pandas',
        'statsmodels',
        'prophet',
        'scikit-learn',
        # 其他依赖
    ],
    # 其他元数据
)

用户可以通过以下命令安装 Auto_TS：

pip install auto-ts

3. 项目的配置文件介绍

项目的配置文件主要包括 requirements.txt 和 setup.py。

• requirements.txt 列出了项目运行所依赖的 Python 包，用户可以通过 pip install -r requirements.txt 命令来安装所有依赖。

• setup.py 文件中定义了项目的名称、版本、包含的包、依赖项等信息，是项目打包和发布的核心文件。

此外，项目可能还包含其他配置文件，如 .mypy.ini 和 .pylintrc，它们分别用于 MyPy 静态类型检查和 PyLint 代码风格检查。这些配置文件确保代码质量和一致性。

Auto_TS Automatically build ARIMA, SARIMAX, VAR, FB Prophet and XGBoost Models on Time Series data sets with a Single Line of Code. Created by Ram Seshadri. Collaborators welcome. 项目地址: https://gitcode.com/gh_mirrors/au/Auto_TS