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。

pyaf - Python开源库实现自动化时间序列预测
GithubPyAFPython开源项目时间序列预测机器学习自动化
PyAF是一个开源的Python自动预测库,基于NumPy、SciPy等流行数据科学模块构建。该库利用机器学习方法自动预测时间序列未来值,功能comparable于一些商业预测产品。它支持信号分解、外生数据和层次预测,提供简洁API和可定制建模过程。PyAF适用于Python 3.x,采用BSD 3-Clause许可证。PyAF可用于销售预测、股票走势分析、能源需求预测等多种时间序列预测任务。
umap - 先进的流形学习和数据降维算法
GithubUMAP开源项目数据可视化机器学习聚类降维
UMAP是一种高效的非线性降维和数据可视化算法。它能处理大规模高维数据,支持多种距离度量,可用于监督和半监督学习。UMAP在保持数据全局结构方面表现优异,运行速度快,理论基础扎实。该项目还包含densMAP功能,可在降维同时保留局部密度信息。作为t-SNE的有力替代,UMAP适用于多种机器学习场景。
best-of-ml-python - 每周更新的优质Python机器学习开源项目列表
GitHubGithubPythonTensorflow开源项目机器学习
Best-of Machine Learning with Python为您展示一份每周更新的优质Python机器学习开源项目列表,包括920个多种类别的项目,从而帮助开发者轻松访问和利用顶级的机器学习工具和框架。项目持续欢迎社区贡献,共同促进技术进步。
darts - Python中易于使用的时间序列预测与异常检测库
DartsGithub开源项目异常检测时间序列概率预测深度学习
Darts是一个用户友好且灵活的Python库,专注于时间序列的预测与异常检测。它提供了一系列从ARIMA到深度神经网络的多样化模型,通过统一的fit()和predict()接口简化操作,类似于scikit-learn。此外,Darts支持包括多变量和外部数据在内的复杂时间序列处理,并为大规模数据集提供高效解决方案。它还拥有全面的异常检测功能,允许进行深入的异常分析和评分。
keops - 大规模矩阵运算与自动微分的高效GPU加速库
GPU计算GithubKeOps开源项目核方法符号矩阵自动微分
KeOps是一个开源库,专门用于高效计算大型数组的归约运算。它集成了高效C++程序和自动微分引擎,支持Python、Matlab和R等多种编程语言。KeOps尤其适合处理核矩阵向量乘积、K近邻查询和N体问题等计算,即使在核矩阵或距离矩阵超出内存容量的情况下也能高效运行。与PyTorch GPU基准相比,KeOps在多种几何应用中能实现10-100倍的性能提升,广泛应用于核方法和几何深度学习等领域。
kaggle-api - Python实现的Kaggle API命令行工具
GithubKaggle APIPython依赖管理命令行工具开发环境开源项目
Kaggle-api是Kaggle官方开发的Python 3 API工具,通过命令行界面实现与Kaggle平台的交互。用户可以查看模型列表、管理数据集等。项目采用hatch进行管理,支持源代码编译和集成测试。遵循Apache 2.0许可证,为数据科学工作者提供了便捷的Kaggle资源访问途径。
awesome-time-series - 时间序列预测与分析的全面资源汇总
GithubTransformer图神经网络开源项目异常检测时间序列预测深度学习
本项目汇集了时间序列预测领域的最新论文、代码和相关资源。内容涵盖M4竞赛、Kaggle时间序列竞赛、学术研究、理论基础、实践工具和数据集等。为研究人员和从业者提供全面的参考资料,促进时间序列预测技术的深入研究与应用。
feature-engineering-for-time-series-forecasting - 时间序列预测特征工程全面指南
GithubPython开源项目数据处理时间序列预测机器学习特征工程
该项目提供时间序列预测特征工程的全面指南,涵盖数据表格化、时间序列分解、缺失值处理和异常值检测等核心内容。深入介绍滞后特征、窗口特征、趋势和季节性特征的创建方法,以及日期时间和分类特征的处理技巧。通过实践代码和详细说明,旨在提升预测模型性能。
tspiral - 优化时间序列预测的Python工具包
GithubPython包scikit-learntspiral开源项目时间序列预测机器学习
tspiral是一个专注于时间序列预测的Python工具包,提供多种优化技术如递归预测、直接预测、堆叠预测和修正预测。它与scikit-learn兼容,支持全局和多变量时间序列预测,并提供简洁API。tspiral将复杂的时间序列问题转化为表格式监督回归任务,方便用户利用scikit-learn生态系统进行预测分析。
scalene - AI驱动的全面Python性能分析工具提供CPU、GPU和内存优化建议
CPU分析GithubPythonScalene内存分析开源项目性能分析
Scalene是一款高性能Python分析工具,可同时监测CPU、GPU和内存使用。它能区分Python和原生代码执行时间,识别内存泄漏,分析数据复制量。独特的AI优化建议功能为开发者提供代码改进方案。通过命令行或Web界面,Scalene支持逐行分析,助力快速定位性能瓶颈,提升Python程序效率。
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

稿定AI

稿定设计 是一个多功能的在线设计和创意平台,提供广泛的设计工具和资源,以满足不同用户的需求。从专业的图形设计师到普通用户,无论是进行图片处理、智能抠图、H5页面制作还是视频剪辑,稿定设计都能提供简单、高效的解决方案。该平台以其用户友好的界面和强大的功能集合,帮助用户轻松实现创意设计。

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