model
timesfm-3.0-pytorch
模型在时间序列预测方面表现良好，但缺乏独特性。
6.1综合
实用性7
上手速度6
完成度6
不可替代5
生命力6
5 维独立打分，综合分为加权平均。分数只对同一套标准内部可比。
适合谁
适合需要时间序列预测模型的数据科学家和工程师
不适合谁
不适合寻求独特或创新时间序列预测解决方案的用户
项目自述
time series forecasting
替代品
ProphetFacebook ProphetARIMA
模型在时间序列预测方面表现良好，但缺乏独特性。
5 维独立打分，综合分为加权平均。分数只对同一套标准内部可比。
适合需要时间序列预测模型的数据科学家和工程师
不适合寻求独特或创新时间序列预测解决方案的用户
time series forecasting