datasetsforecast 是数据集领域的开源项目，由 Nixtla 开发，2022 年首次发布。
它收录于数据集分类，该分类目前共有 278 个项目，GitHub 星标数为 129。
项目保持着较活跃的维护节奏，最近一次代码更新于 2026-09-19。开源免费数据集库。
它主要面向的使用场景是：时间序列预测论文的基准复现与对比实验。同类可对比的替代方案包括 GluonTS、sktime、Darts。
datasetsforecast
统一加载时间序列数据集，快速跑通预测实验
datasetsforecast 是一个专注时间序列预测的数据集加载与标准化工具，基于 Python 实现。它解决的核心问题是：时间序列预测研究里，不同论文和竞赛的数据格式五花八门，加载、切分、评估口径不统一，导致复现和对比成本高。项目把常见公开预测数据集（如 M 系列、电力、交通、天气等）封装成统一接口，提供一致的训练/验证/测试切分、频率处理和评估指标，让研究者能快速跑通 baseline 并公平比较模型。核心能力包括：一键下载并缓存数据集、统一的时间索引与频率对齐、内置多种预测评估指标（如 sMAPE、MASE 等）、与主流深度学习框架的数据管道兼容。它适合做预测算法实验、基准测试和教学演示，降低数据准备环节的重复劳动。
开源
free
数据集
GitHub 星标
★ 129
维护状态
较活跃
是否开源
是
定价模式
free
项目数据
分类数据集
开发团队Nixtla
所属国家
定价模式free
价格说明开源免费数据集库
访问状态
是否开源是
开源协议MIT
主要语言Python
技术栈/模型datasets,forecasting
GitHub 星标★ 129
30天Star增速
HF 下载量
上线时间2022-06-20 00:00:00
最近更新2026-09-19 00:00:00
维护状态较活跃
中文支持
访问方式
移动端支持
综合评分
收录时间2026-09-21
浏览次数0
使用教程
核心亮点
- 统一封装多个公开预测数据集，避免手动清洗格式
- 内置预测评估指标，方便模型间公平对比
- 与 Python 生态兼容，可接入常见训练流程
不足之处
- 项目星标较少，社区和文档成熟度有限
- 覆盖数据集范围相对固定，扩展新数据集需自行适配
适用场景
- 时间序列预测论文的基准复现与对比实验
- 教学场景中快速演示预测模型效果
- 算法工程师做预测模型选型时的数据准备
替代项目
GluonTS、sktime、Darts
项目介绍
上一篇：malecns
同类项目推荐
X-AnyLabeling
开源
一站式AI辅助标注，图像视频文本通吃，导出格式随心配
X-AnyLabeling: A lightweight, efficient, and unified cross-platform desktop applicat···
aisheets
开源
像用表格一样批量调 AI，不写代码就能造和改数据集
Build, enrich, and transform datasets using AI models with no code
distilabel
开源
基于论文的合成数据流水线，快速生成高质量 AI 反馈数据。
Distilabel is a framework for synthetic data and AI feedback for engineers who need ···
DataGen
开源
用大模型一键生成定制化训练数据，告别数据荒
[ICLR'25] DataGen: Unified Synthetic Dataset Generation via Large Language Models