Project Icon

kshape-python

高效精准的时间序列聚类算法

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。

stumpy - 高效计算时间序列矩阵剖面的Python库
GithubPython库STUMPY开源项目数据挖掘时间序列矩阵分析
STUMPY是一个高效的Python库,用于计算时间序列矩阵剖面。支持多维数据分析、分布式计算和GPU加速,适用于模式发现、异常检测等多种数据挖掘任务。其简单易用的特性使研究人员和开发者能够快速分析复杂的时间序列数据。
timeshap - 针对循环模型的时序数据解释框架
GithubShapley值TimeSHAP序列扰动开源项目模型解释递归模型
TimeSHAP是一个基于KernelSHAP的模型无关解释框架,专门用于分析时序数据和循环模型。它提供事件、特征和单元级别的归因计算,并通过Shapley值剪枝算法识别关键决策事件。TimeSHAP支持多种解释方法,包括局部和全局层面的分析,可应用于符合特定接口的各类机器学习模型,如PyTorch和TensorFlow实现的模型。
deeptime - Python时间序列分析与动态建模库
Githubdeeptime动力学模型开源库开源项目时间序列分析机器学习
deeptime是一个专注于时间序列数据分析的Python库,集成了多种动态模型估计工具。该库涵盖传统线性学习方法(如马尔可夫状态模型、隐马尔可夫模型和Koopman模型)及先进的核方法和深度学习技术。与scikit-learn兼容的同时,deeptime还提供了独特的Model类,用于分析热力学、动力学和其他动态特性。该库支持多平台安装,适用于各类时间序列数据研究。
tsfeatures - 时间序列特征提取的Python工具库
GithubPythontsfeatures开源项目数据分析时间序列特征提取
tsfeatures是一个Python库,用于计算时间序列数据的多种特征。作为R语言tsfeatures包的Python实现,它提供了自相关、异方差、熵、平稳性等统计指标的计算功能。该库支持自定义特征函数和处理不同频率的时间序列数据,并允许与R版本结果进行对比。tsfeatures适用于需要进行时间序列分析和建模的数据处理场景。
machine_learning_basics - 纯Python实现机器学习算法 助力深入理解基础原理
GitHubGithubPython开源项目数据预处理机器学习算法实现
该开源项目提供多种机器学习算法的纯Python实现,包括线性回归、决策树和k-means聚类等。项目注重展示算法底层结构,而非追求最高效率。另外还包含数据预处理教程,涵盖图像和数值/分类数据集处理。代码支持在线运行,便于快速实验。作为机器学习入门资源,适合想深入理解算法原理的学习者。
pytimetk - 快速高效的Python时间序列分析库
GithubPython库pytimetk可视化开源项目数据处理时间序列分析
pytimetk是一个高效的Python时间序列分析库,通过简洁语法和优化计算简化了时间序列操作和可视化。相比pandas,它提供3-3500倍的速度提升,并减少代码复杂度。主要功能包括快速时间聚合、便捷绘图、日历特征提取和异常检测等。pytimetk适用于商业预测和科学研究,为时间序列分析提供了全面的解决方案。
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。
pykale - 改进多模态机器学习的高效绿色解决方案
GithubPyKale多模态学习开源项目机器学习深度学习迁移学习
PyKale通过简化数据、软件和用户之间的连接,使跨学科研究的机器学习更容易访问。它专注于多模态学习和迁移学习,支持图像、视频和图形的数据类型,涵盖深度学习和降维模型。PyKale遵循绿色机器学习理念,通过减少重复、再利用资源和回收学习模型,实现高效和可持续的研究。适用于生物信息学、图像和视频识别及医学成像,利用多源知识做出准确且可解释的预测。
scikit-learn - Python机器学习的核心工具库
GithubPythonscikit-learn开源项目数据科学机器学习
scikit-learn是基于SciPy构建的Python机器学习库,提供高效的数据挖掘和分析工具。支持分类、回归、聚类等多种机器学习任务,自2007年启动以来由志愿者维护,已成为广受欢迎的开源项目。其特点包括易用性、高性能和完善的文档,在学术和工业领域得到广泛应用。
handson-unsupervised-learning - Python实现无监督学习的实用指南
GithubPythonTensorFlowscikit-learn开源项目无监督学习机器学习
该项目为Python无监督学习提供实践指南,介绍scikit-learn和TensorFlow框架处理未标记数据的方法。涵盖聚类、降维、生成模型等算法,并提供代码示例。项目包含Windows、macOS环境配置说明,支持GPU加速。内容涉及模式发现、异常检测、自动特征工程等应用,适合机器学习从业者参考学习。
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。

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