PaddleTS 1.0.0 Release Note CN

PaddleTS 1.0.0 发布功能概览

新增功能

• 支持时序异常检测。 PaddleTS 提供了包括多个模型指标、可视化分析、第三方机器学习模型集成等功能。同时，PaddleTS也新增了一组业界领先的时序异常检测模型，详见下文 新增模型 列表。
• 支持基于多时序数据的组合训练。开发者可以使用一组通过某种标志符（比如 设备ID）关联起来的时序数据集进行时序建模。
• 支持时序集成学习。
• 时序表征模型现在可以用于解决时序预测类型的任务。
• RNN 现在支持分类型特征和静态协变量。
• TSDataset.load_from_dataframe() 函数进行了性能优化，加载数据时间相比之前版本有明显降低。
• 更多时序分析算子。

新增模型

PaddleTS 目前已支持时序异常检测，下方列表是新引入的时序异常检测模型：

• AutoEncoder（AE）
• Variational AutoEncoder（VAE）
• Anomaly Transformer

PaddleTS 1.0.0 支持CPU / GPU 的 Docker 镜像已就绪

• registry.baidubce.com/paddlets/paddlets:1.0.0
• registry.baidubce.com/paddlets/paddlets:1.0.0-gpu-paddle2.3.0-cuda11.2-cudnn8
• registry.baidubce.com/paddlets/paddlets:1.0.0-gpu-paddle2.3.1-cuda11.2-cudnn8
• registry.baidubce.com/paddlets/paddlets:1.0.0-gpu-paddle2.3.2-cuda11.2-cudnn8

PaddleTS 1.0.0 更新日志

更新日志的图例说明:

Feature: 这是一个之前版本不支持的新功能。

Optimization: 这是一个对存量功能在计算或内存层面的优化。

API Change: 这是一个涉及接口修改的更新，可能需要用户修改代码已使用最新接口。

Fix: 这是一个修复之前版本中不符合预期，或无法正常使用的功能的更新。

更新日志

paddlets.analysis

• Feature 新增 Seasonality, Auto-correlation Function(ACF), Correlation 时序分析算子.

paddlets.automl

• API Change autots.AutoTS::fit() 现在允许输入的 train_tsdataset 和 valid_tsdataset 参数为单个TSDataset数据集或者多个TSDataset数据集组成的列表，用于支持基于多时序数据的组合训练。

paddlets.datasets

• Optimization TSDataset.load_from_dataframe() 对于输入数据的时间索引是标准格式、不是标准格式两种场景，数据加载速度分别提升了 25% 和 95%。
• API Change TSDataset.load_from_dataframe() 和 TSDataset.load_from_csv() 现在支持接受新的 group_id 参数，用于支持基于多时序数据的组合训练。
• API Change TSDataset.load_from_dataframe() 和 TSDataset.load_from_csv() 删除了旧 label_cols 参数，并新增了 label_col 参数， 用于限制 TSDataset 数据集中最多允许有一列作为标签。

paddlets.models

• Feature PaddleTS 引入了 AutoEncoder（AE）, Variational AutoEncoder（VAE）, Anomaly Transformer 深度时序异常检测模型。
• Feature 第三方模型自动集成模块 make_ml_model 现在支持使用第三方库 pyod 来高效构建时序异常检测模型。
• RNN 现在支持基于分类型特征建模。同时，它也支持使用静态协变量作为特征。
• API Change make_ml_model 模块的目录从 models.forecasting.ml.ml_model_wrapper::make_ml_model 更新为 models.ml_model_wrapper::make_ml_model。
• API Change paddle_base_impl.PaddleBaseModelImpl::fit() 现在允许输入的 train_tsdataset 和 valid_tsdataset 参数为单个TSDataset数据集或者多个TSDataset数据集组成的列表，用于支持基于多时序数据的组合训练。

paddlets.ensemble

• Feature 新增时序模型集成Ensemble功能。目前发布版本支持StackingEnsembleForecaster 和 WeightingEnsembleForecaster2种时序预测集成学习方法。

paddlets.pipeline

• API Change pipeline.Pipeline::fit() 现在允许输入的 train_tsdataset and.valid_tsdataset 参数为单个TSDataset数据集或者多个TSDataset数据集组成的列表，用于支持基于多时序数据的组合训练。

paddlets.metrics

• Feature PaddleTS 引入了 ACC, Precision, Recall, F1 等多种模型指标模块，用于时序异常检测模型。

paddlets.transform

• API Change 从 difference, fill, ksigma, lag, statistical, time_feature 这些时序数据转换模块删除了 fit and transform 接口, 同时新增了 fit_one and transform_one 接口，用于对单个TSDataset数据集进行转换。

paddlets.utils

• Feature utils::plot_anoms() 支持对时序异常检测特征及标签的画图功能。