在时序预测领域，选择一个成熟的框架往往能让我们事半功倍。最近接手了一个紧急的时序预测项目，经过一番调研后，我选择了TSLib（Time-Series-Library）这个优秀的开源框架来快速搭建整个预测流程。
由于开发环境限制在Windows平台且没有GPU支持，整个部署过程还是遇到了一些挑战。本文将详细记录在Windows环境下成功部署TSLib的完整流程，如果你拥有Linux环境，可以简化或跳过部分特定配置环节。
文章目录
- 环境安装
- 数据集目录结构
- 数据集编码统一
- 数据格式标准化
- 时间戳列名调整
- 训练测试集比例调整
- 多余变量去除
- 模型选择策略
- 代码执行
- 脚本改造
- 参数设置
- 结果查看
🎉进入深度神经网络与PyTorch进阶专栏 | 🚀查看更多专栏内容
环境安装
进入TSLib官网，通过下面的命令下载到本地：
