Project Icon

deeptime

Python时间序列分析与动态建模库

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。

sktime - 多功能时间序列分析和预测库
GithubPython库sktime开源项目时间序列分析机器学习统一接口
sktime是一个开源的Python时间序列分析库,为多种时间序列学习任务提供统一接口。它支持时间序列分类、回归、聚类、标注和预测等功能,并提供专门的时间序列算法和兼容scikit-learn的工具。sktime还整合了多个相关库的接口,便于用户在不同时间序列任务间迁移算法。
pydlm - 基于Python的贝叶斯时间序列建模库
GithubPyDLMPython库开源项目数据分析时间序列建模贝叶斯动态线性模型
pydlm是一个Python时间序列建模库,基于贝叶斯动态线性模型。它提供了快速的模型拟合和推断,包含趋势、季节性和动态回归等灵活组件。支持前向过滤、后向平滑和长期预测,并具有简洁的API。pydlm适用于构建复杂时间序列模型,进行数据分析和预测。
modeltime - R语言时间序列预测框架 整合机器学习与传统方法
GithubR语言modeltime工作流开源项目时间序列预测机器学习
modeltime是R语言的时间序列预测框架,简化了预测工作流程,整合机器学习和传统分析方法。支持ARIMA、ETS、Prophet等模型,可与tidymodels生态系统集成。通过6步流程,用户可快速构建、评估和部署预测模型,适用于高性能时间序列分析。框架还包括modeltime.h2o用于AutoML、modeltime.gluonts用于深度学习,以及modeltime.ensemble用于集成预测。这些组件共同构成了一个全面的时间序列分析生态系统,为不同规模和复杂度的预测任务提供解决方案。
tslearn - Python时间序列分析机器学习库
GithubPython库tslearn开源项目数据预处理时间序列分析机器学习
tslearn是一个开源的Python库,专注于时间序列分析和机器学习。它提供数据预处理、分类、聚类、回归和多种距离度量方法。支持可变长度时间序列,兼容scikit-learn,包含UCR数据集和数据生成器。tslearn适用于需要进行时间序列分析的数据科学工作,支持超参数调优和管道等功能,为研究和实践提供全面工具支持。
sktime-dl - 时间序列分析工具的演变
Githubsktime代码迁移开源项目时间序列机器学习深度学习
sktime-dl项目正在整合到sktime框架中,作为其mini-packages的一部分。原sktime-dl的大多数估计器现已迁移至sktime的深度学习分类和回归模块。项目鼓励开发者参与剩余部分的迁移工作,相关贡献指南可在sktime GitHub仓库的规划问题中查阅。这一变更旨在整合和优化时间序列分析工具,为用户提供更统一的体验。
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。
timetk - R语言时间序列分析与可视化工具包
GithubR语言timetk开源项目数据可视化时间序列分析机器学习
timetk是一个功能丰富的R语言时间序列分析工具包。它提供数据可视化、处理和特征工程功能,支持交互式和静态绘图、时间序列机器学习、异常检测和聚类分析。与同类包相比,timetk功能更全面、易用性更高,可简化时间序列分析和预测建模流程。该包适用于需要高效处理和分析时间序列数据的研究人员和数据科学家。
Time-Series-Library - 开源深度学习时间序列分析工具库
GithubTSLib开源项目异常检测时间序列深度学习预测
TSLib为深度学习研究者提供了一个专业开源时间序列分析库,涵盖广泛的应用领域,如长短期预测、数据填充、异常检测和分类。本库提供清晰的代码基础,支持时间序列模型的评估与开发,包括最新的模型评估和深度时间序列研究成果。该工具适合科研和开发人员使用,以推动时间序列分析的未来研究与实践。
HyperTS - 全面的时间序列分析工具包 支持多任务和多模式分析
GithubHyperTS开源项目异常检测时间序列分析自动机器学习预测
HyperTS是一款全面的时间序列分析工具包,集成了统计模型、深度学习和神经架构搜索。它支持预测、分类、回归和异常检测等多种任务,适用于复杂的时间序列分析场景。该工具包提供多变量和协变量支持,概率区间预测,以及丰富的预处理、评估指标和搜索策略。HyperTS简单易用,为时间序列分析提供了端到端的自动化解决方案。
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。
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