Instalação¶

AutoHybTS requer Python 3.11 ou mais novo.

Pelo PyPI¶

A candidata 1.0.0rc4 está publicada no PyPI. Instale com os extras usados nos exemplos de modelos estatísticos e gráficos:

python -m pip install "autohybts[stats,plot]==1.0.0rc4"

Para instalar apenas o núcleo (NumPy, pandas e scikit-learn):

python -m pip install "autohybts==1.0.0rc4"

Os comandos fixam a candidata; não é necessário adicionar --pre a uma versão explicitamente solicitada. Para buscar a versão mais recente incluindo candidatas, use python -m pip install --upgrade --pre "autohybts[stats,plot]". A publicação no PyPI mantém o status de pré-versão; veja Versão 1 e publicação.

Confira a instalação:

python -c "import autohybts; print(autohybts.__version__)"

Notebooks¶

Em uma célula Jupyter, %pip instala no ambiente do kernel atual:

%pip install "autohybts[stats,plot,notebook]==1.0.0rc4"

Extras¶

Combine os extras entre colchetes, preservando a versão. Por exemplo:

python -m pip install "autohybts[stats,plot,torch]==1.0.0rc4"

Extra	Uso
`stats`	ARIMA, ETS e suavização com statsmodels
`plot`	Gráficos com matplotlib
`notebook`	Kernel e execução dos tutoriais Jupyter (inclui o tqdm)
`progress`	Barras de progresso das etapas (`progress=True`, tqdm)
`torch` / `tensorflow`	Modelos próprios nesses frameworks
`boosting`	LightGBM, XGBoost e CatBoost
`nixtla-stats`	StatsForecast; requer pandas 2.x (veja StatsForecast (Nixtla))
`optuna`	Busca de hiperparâmetros com Optuna
`datasets`	Leitura do benchmark M3
`yaml`	PyYAML; reservado: nenhum recurso desta versão depende dele

Desenvolvimento¶

Para testar o código da branch main antes de sua próxima publicação, instale do GitHub (requer Git):

python -m pip install "autohybts[stats,plot] @ git+https://github.com/jvataidee/AutoHybTS.git"

Para contribuir a partir de um clone local, use python -m pip install -e ".[dev,stats,notebook]" na raiz do repositório.

Referências: pré-versões no pip e comando %pip do IPython.