catch22

精选时间序列特征提取库

catch22 时间序列特征数据挖掘机器学习特征提取 Github 开源项目

catch22是一个包含22个时间序列特征的开源库，由C语言编写，支持Python、R、Matlab和Julia等多种编程语言。这些特征是从7000多个候选中精选而来，在93个实际时间序列分类问题中表现优异。catch22提供了跨平台的安装方法和使用接口，包括各语言的原生版本和C编译版本。该工具主要用于高效提取时间序列的动态特征，适用于多种研究和应用场景。

Github

介绍相关项目

AutoTS - 自动化时间序列预测工具

AutoTSGithubPython包开源项目数据分析时间序列预测自动机器学习

AutoTS是一个Python时间序列预测工具，专注于快速部署高精度预测模型。该工具在2023年M6预测竞赛中表现出色，支持多种预测模型和数据转换方法。AutoTS能够处理多变量输出和概率预测，通过自动机器学习寻找最佳模型组合。它适用于大规模数据集，提供横向和马赛克风格的集成方法，以及丰富的指标、交叉验证和数据处理功能。

kshape-python - 高效精准的时间序列聚类算法

Githubk-Shape开源项目数据挖掘无监督学习时间序列聚类机器学习

kshape-python是一种用于单变量和多变量时间序列聚类的高效无监督算法。该方法在ACM SIGMOD 2015会议上获得最佳论文奖，已在多个科学领域和知名企业中广泛应用。kshape-python在准确性和效率方面表现出色，在包含100多个数据集的基准测试中名列前茅。该项目提供CPU和GPU版本实现，可处理大规模时间序列数据。项目提供详细的安装说明、使用示例和基准测试结果，支持单变量和多变量时间序列数据，可在CPU或GPU上运行。该方法在UCR和UAE两个established benchmarks上进行了评估，展示了其在不同数据集上的性能。

arch - Python金融计量经济学工具库

ARCHGithubPython单位根检验开源项目波动率建模金融计量经济学

arch是一个开源的Python金融计量经济学库，提供ARCH模型、波动率建模、单位根检验、协整分析等功能。该库通过Cython和Numba优化性能，支持多种统计模型和检验方法，适用于金融数据分析和风险建模。arch为金融研究人员和从业者提供了灵活的分析工具，可用于处理时间序列数据、估计风险指标等任务。arch库的主要功能包括ARCH族模型、单位根检验、协整分析和自举方法等。它支持多种均值模型、波动率模型和分布假设，可用于股票收益率建模、风险价值计算等。该库还提供了多重比较程序和长期协方差估计等高级功能，是金融计量分析的综合工具集。

nixtla - 精准的时间序列预测和异常检测，适用于多领域的生成式预训练模型

GithubTimeGPT开源项目异常检测时间序列零样本推理预测

TimeGPT是一款生成式预训练模型，专注于时间序列分析，支持零样本推断。该模型可应用于零售、电力、金融、物联网等多个领域，通过简洁的代码实现精准的预测与异常检测。TimeGPT提供灵活的API访问，兼容多种编程语言和平台。基于大规模数据集的训练，它在多种频率下的预测表现卓越，特别适合需要快速、精确时间序列分析的应用。

UnsupervisedScalableRepresentationLearningTimeSeries - 多变量时间序列的无监督可扩展表示学习方法

GithubPyTorchUCR数据集UEA数据集开源项目无监督学习时间序列表示学习

UnsupervisedScalableRepresentationLearningTimeSeries项目提出了一种无监督可扩展表示学习方法,专门用于处理多变量时间序列数据。该方法基于三元组损失训练编码器,能够处理等长或不等长时间序列。项目提供了UCR和UEA数据集实验代码,包括迁移学习和稀疏标记实验。此外,还包含预训练模型和结果可视化工具。在多个基准数据集上,该方法展现出优秀的性能,为时间序列分析领域提供了创新解决方案。

mcfly - 简化时间序列深度学习的开源框架

GithubTensorflowmcfly回归分析开源项目时间序列分类深度学习

mcfly是一个开源的深度学习框架，专门用于时间序列分类和回归。它能直接处理原始数据，无需计算信号特征或专业领域知识，在加速度计数据的活动分类等任务中表现出色。该框架基于TensorFlow 2构建，支持Python 3.10和3.11，并提供可视化工具展示模型配置和性能。mcfly与传统机器学习技术相比具有竞争力，欢迎社区贡献。

awesome-python-data-science - Python数据科学资源集合，详解机器学习与深度学习工具

GithubPython工具库开源项目数据科学机器学习深度学习

该项目收集了全面的Python数据科学资源，包括机器学习、深度学习、自动化机器学习、自然语言处理、计算机视觉、时间序列分析和强化学习等领域的开源库。从通用型机器学习算法到深度学习框架（如PyTorch和TensorFlow），再到特征工程和数据可视化，用户可以找到适用于各种数据分析和建模需求的工具。项目旨在帮助数据科学家和工程师高效选择工具，以提高开发和分析效率。

pytorch-forecasting - 前沿的时间序列预测工具包，提供灵活的高层API

GithubPyTorch ForecastingPyTorch Lightning开源项目时间序列预测深度学习神经网络

PyTorch Forecasting 是一个基于 PyTorch 的时间序列预测包，适用于实际应用和研究。它支持多种神经网络架构及自动日志记录，利用 PyTorch Lightning 实现多 GPU/CPU 的扩展训练，并内置模型解释功能。关键特性包括时间序列数据集类、基本模型类、增强的神经网络架构、多视角时间序列指标和超参数优化。安装简便，支持 pip 和 conda，文档详尽，并包含模型比较和使用案例。

neuralforecast - 先进的神经网络时间序列预测模型库

GithubNeuralForecast开源项目时间序列机器学习深度学习预测模型

NeuralForecast 提供 30 多种先进的神经网络模型，提升时间序列预测的准确性和效率。支持外生变量和静态协变量，并具备自动超参数优化和可解释性方法。通过 sklearn 语法 `.fit` 和 `.predict` 实现快速训练和预测，包含 NBEATSx 和 NHITS 等最新实现，并与 Ray 和 Optuna 集成，适用于多种应用场景。

Time-series-prediction - 多功能的TensorFlow时间序列预测平台

GithubTFTSTensorFlow开源项目时间序列深度学习预测

TFTS（TensorFlow Time Series）是一个易用的时间序列预测工具包，支持TensorFlow和Keras中的经典及前沿深度学习方法。适用于预测、分类及异常检测任务。提供适应工业、研究和竞赛所需的深度学习模型，配有详尽文档和教程，帮助用户快速入门。

相关项目

项目侧边栏1

项目侧边栏2

推荐项目

Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手，通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能，支持100+编程语言，与主流编辑器无缝集成，显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台，能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐，Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案，通过智能技术简化视频制作流程。无论是企业宣传还是个人分享，有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持，能够阅读和理解用户上传的文件内容，解析网页信息，并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题，Kimi都能以友好、专业的方式提供帮助。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术，为商家提供一键生成商品图和营销文案的服务，显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台，让商品第一时间被种草。

Project Cover

吐司

探索Tensor.Art平台的独特AI模型，免费访问各种图像生成与AI训练工具，从Stable Diffusion等基础模型开始，轻松实现创新图像生成。体验前沿的AI技术，推动个人和企业的创新发展。

Project Cover

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器，它将改变您观看视频的方式！SubCat结合了先进的人工智能技术，为您提供即时视频字幕翻译，无论是本地视频还是网络流媒体，让您轻松享受各种语言的内容。

Project Cover

美间AI

美间AI创意设计平台，利用前沿AI技术，为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图，再到文案生成，美间让创意设计更简单、更高效。

Project Cover

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具，简化了选题、文献检索至论文撰写的整个过程。通过简单设定，平台可快速生成高质量论文大纲和全文，配合图表、参考文献等一应俱全，同时提供开题报告和答辩PPT等增值服务，保障数据安全，有效提升写作效率和论文质量。

使用协议隐私政策广告服务

投诉举报邮箱: service@vectorlightyear.com

@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号