Nixtla/mlforecast
Scalable machine 🤖 learning for time series forecasting.
Nixtla/mlforecast è adatto ai principianti?
Negli ultimi 30 giorni Nixtla/mlforecast ha accettato 12 delle 27 pull request di contributori esterni, e i suoi maintainer di solito rispondono entro 1 giorno. In questo momento sono aperte 2 issue adatte ai principianti.
- Stelle
- 1.3k
- Fork
- 147
- Issue aperte per principianti
- 2
- Issue indicizzate
- 27
- Merge medio
- 1g 8h
- PR unite (30g)
- 23
- Lingua principale
- Python
- Licenza
- Apache-2.0
- Ultimo push su GitHub
- 27/10/2026
- Ultima indicizzazione
- 20/9/2026
- Guida per i contributori
- Guida per i contributori
- Codice di condotta
- Codice di condotta
- Label per principianti
- Nessuna label per principianti indicizzata
Come contribuire a Nixtla/mlforecast
- Leggi prima la guida per contribuire: spiega come i maintainer vogliono che le modifiche siano proposte, testate e revisionate.
- Leggi il suo codice di condotta: vale per issue e pull request tanto quanto per la chat.
- I tuoi contributi saranno pubblicati con la licenza Apache-2.0 del progetto.
- Scegli una delle 2 issue aperte adatte ai principianti qui sotto e, prima di iniziare, scrivi in un commento che vuoi occupartene.
Le issue su cui forse qualcuno sta già lavorando sono in fondo alla lista. Ordina tutto per data
-
Pooled keys: encode static key columns once per predict and grow update buckets once per updateApertaperformance
Difficoltà 4/5 3-5 giorni Idoneità per principianti 55/100
Nixtla/mlforecast#785 ·
I maintainer di solito rispondono entro 1 giorno
-
bug
Difficoltà 3/5 1-2 giorni Idoneità per principianti 68/100
Nixtla/mlforecast#763 ·
I maintainer di solito rispondono entro 1 giorno
-
enhancement feature
Difficoltà 5/5 Più di una settimana Idoneità per principianti 35/100
Nixtla/mlforecast#749 ·
I maintainer di solito rispondono entro 1 giorno
-
polars date features diverge from the pandas convention: 5 raise AttributeError, weekday silently returns 1-7Forse di nuovo libera Una pull request per questa issue è stata chiusa senza essere unita. Apertabug
Difficoltà 3/5 1-2 giorni Idoneità per principianti 75/100
Nixtla/mlforecast#738 · 1 commento ·
I maintainer di solito rispondono entro 1 giorno
-
enhancement feature
Difficoltà 5/5 Più di una settimana Idoneità per principianti 35/100
Nixtla/mlforecast#702 · 3 commenti ·
I maintainer di solito rispondono entro 1 giorno
-
enhancement feature
Difficoltà 4/5 3-5 giorni Idoneità per principianti 48/100
Nixtla/mlforecast#649 ·
I maintainer di solito rispondono entro 1 giorno
-
enhancement feature
Difficoltà 4/5 3-5 giorni Idoneità per principianti 48/100
Nixtla/mlforecast#635 ·
I maintainer di solito rispondono entro 1 giorno
-
enhancement feature
Difficoltà 5/5 Più di una settimana Idoneità per principianti 35/100
Nixtla/mlforecast#150 · 5 commenti · 10 reazioni ·
I maintainer di solito rispondono entro 1 giorno
-
MLForecast pipeline : Feature extraction/creation + Feature selection + Hyperparameter tuningApertaenhancement feature
Difficoltà 5/5 Più di una settimana Idoneità per principianti 25/100
Nixtla/mlforecast#139 · 2 commenti · 12 reazioni ·
I maintainer di solito rispondono entro 1 giorno
-
[Core] Non-jitted lag transforms raise ValueError when a series is shorter than the lagForse già presa @Yuvraj27-5 l’ha presa oggi. Aperta
Difficoltà 2/5 1-3 ore Idoneità per principianti 82/100
Nixtla/mlforecast#823 ·
I maintainer di solito rispondono entro 1 giorno
-
predict accepts an X_df with duplicated (id, time) rows when the row count matchesForse già presa @ssivitskii l’ha presa 4 giorni fa. Aperta
Difficoltà 2/5 1-3 ore Idoneità per principianti 78/100
Nixtla/mlforecast#819 ·
I maintainer di solito rispondono entro 1 giorno
-
[Core] Sparse Polars forecasts attach predictions to incorrect datesForse già presa @vicmcorrea l’ha presa 5 giorni fa. Aperta
Difficoltà 3/5 1-2 giorni Idoneità per principianti 55/100
Nixtla/mlforecast#814 ·
I maintainer di solito rispondono entro 1 giorno
-
[Core] Partial-series updates fail with grouped target transformsForse già presa @AryanRG l’ha presa 9 giorni fa. Aperta
Difficoltà 3/5 1-2 giorni Idoneità per principianti 20/100
Nixtla/mlforecast#809 · 1 commento ·
I maintainer di solito rispondono entro 1 giorno
-
Allow predict(ids=...) and recursive fitted values whenever the id column is in every pooled keyForse già presa Una pull request collegata a questa issue è aperta o già unita. Apertaenhancement
Difficoltà 4/5 3-5 giorni Idoneità per principianti 48/100
Nixtla/mlforecast#784 ·
I maintainer di solito rispondono entro 1 giorno
-
[Utils] Daily price generation fails across daylight-saving transitionsForse già presa @ktz03 l’ha presa 22 giorni fa. Apertabug
Difficoltà 2/5 1-3 ore Idoneità per principianti 25/100
Nixtla/mlforecast#779 ·
I maintainer di solito rispondono entro 1 giorno
-
update() misassigns values with pandas categorical ids in a different category orderForse già presa @horizonbymuneeb l’ha presa 4 giorni fa. Apertabug
Difficoltà 3/5 Mezza giornata Idoneità per principianti 55/100
Nixtla/mlforecast#776 · 2 commenti ·
I maintainer di solito rispondono entro 1 giorno
-
Target transforms corrupt conformal calibration with refit=False cross-validationForse già presa @ramirocrc l’ha presa 57 giorni fa. Apertabug
Difficoltà 4/5 3-5 giorni Idoneità per principianti 48/100
Nixtla/mlforecast#733 ·
I maintainer di solito rispondono entro 1 giorno
-
[Core] Allow NaN target values at `fit`/`preprocess`, dropping them only before model fittingForse già presa @simonez-tuidi l’ha presa 96 giorni fa. Apertaenhancement feature
Difficoltà 5/5 Più di una settimana Idoneità per principianti 38/100
Nixtla/mlforecast#704 ·
I maintainer di solito rispondono entro 1 giorno