TimeGEN-1 快速入门 (Azure)

​

步骤 1：在 Azure 上设置 TimeGEN-1 端点帐户并生成 API 密钥

• 访问 ml.azure.com
• 登录或创建 Microsoft 帐户
• 点击侧边栏中的“模型”
• 在模型目录中搜索“TimeGEN”
• 选择 TimeGEN-1

• 点击“部署”，这将创建一个端点

• 转到侧边栏中的“端点”，您将看到您的 TimeGEN-1 端点
• 在该端点中，您将找到要使用的基础 URL 和 API 密钥

​

步骤 2：安装 Nixtla

在您喜欢的 Python 开发环境中

使用 pip 安装 nixtla

pip install nixtla

​

步骤 3：导入 Nixtla TimeGPT 客户端

from nixtla import NixtlaClient

您可以通过提供您的身份验证 API 密钥来实例化 NixtlaClient 类。

nixtla_client = NixtlaClient(
    base_url = "YOUR_BASE_URL",
    api_key = "YOUR_API_KEY"
)

​

步骤 4：开始进行预测！

现在您可以开始进行预测了！让我们导入一个使用经典 AirPassengers 数据集的示例。该数据集包含 1949 年至 1960 年澳大利亚每月航空乘客数量。首先，加载数据集并绘制图表

import pandas as pd

df = pd.read_csv('https://raw.githubusercontent.com/Nixtla/transfer-learning-time-series/main/datasets/air_passengers.csv')
df.head()

nixtla_client.plot(df, time_col='timestamp', target_col='value')

📘 数据要求

• 确保目标变量列没有缺失或非数值。
• 在第一个和最后一个日期戳之间（对于给定的频率）不要包含日期戳中的间隔/跳跃。预测函数不会填充缺失的日期。
• 日期戳列的格式应能被 Pandas 读取（详情请参阅此链接）。

更多详情请参阅数据要求。

👍 保存使用 TimeGEN 制作的图表

在 notebook 环境中，plot 方法会自动显示图表。要在本地保存图表，您可以这样做

fig = nixtla_client.plot(df, time_col='timestamp', target_col='value')

fig.savefig('plot.png', bbox_inches='tight')

​

进行预测

接下来，使用 SDK 的 forecast 方法预测未来 12 个月。设置以下参数

• df: 包含时间序列数据的 pandas DataFrame。
• h: horizons 是要预测的未来步数。
• freq: 时间序列的频率，采用 Pandas 格式。参阅pandas 的可用频率。（如果您不提供任何频率，SDK 将尝试推断它）
• time_col: 标识日期戳的列。
• target_col: 要预测的变量。

timegen_fcst_df = nixtla_client.forecast(df=df, h=12, freq='MS', time_col='timestamp', target_col='value')
timegen_fcst_df.head()

INFO:nixtla.nixtla_client:Validating inputs...
INFO:nixtla.nixtla_client:Preprocessing dataframes...
INFO:nixtla.nixtla_client:Restricting input...
INFO:nixtla.nixtla_client:Calling Forecast Endpoint...

nixtla_client.plot(df, timegen_fcst_df, time_col='timestamp', target_col='value')