路线图#
欢迎来到 sktime 的路线图。
贡献者：@mloning, @fkiraly, @sveameyer13, @lovkush-a, @bilal-196, @GuzalBulatova, @chrisholder, @satya-pattnaik, @aiwalter
创建于 2021 年 sktime 开发者日，2021 年 6 月 25 日。
项目目标#
sktime 的目标是
在 Python 中开发一个统一的时间序列机器学习框架
推进机器学习工具箱的算法开发和软件设计研究
建立一个更紧密的时间序列研究人员和领域专家社区
创建并提供教育材料，包括文档和用户指南
工作方向#
文档#
需要“恰当地”创建核心文档
改进教程、示例
改进扩展指南
对于研究算法，可能将研究人员与“工程师”配对，以提高可读性/文档水平
社区建设#
整合“离线”贡献者
对于研究算法，可能将研究人员与“工程师”配对，以提高可读性/文档水平
建立定期的技术和社交会议
重构和扩展现有模块#
支持数据输入类型和转换（例如 awkward-array）
距离度量
降维接口
高级流水线
- 预测
预测区间和概率预测
流数据接口，估计器的“更新”能力
多元/向量预测
一致处理外部变量
拟合参数接口
- 时间序列分类/回归/聚类
增加对不等长的时间序列的支持
添加数据模拟器用于算法比较和单元测试
- 聚类
集成 scikit-learn 估计器
实现时间序列特定的估计器（例如 k-shapes）
- 序列标注
实现更多用于异常值/异常检测和分段的估计器
添加新模块和算法#
面板标注
概率接口，事件建模（事件发生时间建模，生存分析）
面板与监督预测
时间序列回归
序列相似性任务
任务之间统一的降维接口
软件工程与运维#
改进依赖管理
为配套包创建模板仓库
- 改进持续集成与部署
重构单元测试
扩展单元测试
加速单元测试
使估计器的单元测试可从其他包导入