deeptime

Python时间序列分析与动态建模库

deeptime 时间序列分析机器学习动力学模型开源库 Github 开源项目

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。

访问官网

Github

介绍相关项目

Auto_TS - 自动构建和选择多种时间序列模型的高效工具

Auto_TSGithubProphet开源项目时间序列模型自动化机器学习预测

Auto_TS是一个时间序列自动建模工具，支持ARIMA、SARIMAX、VAR、分解模型和机器学习模型等多种技术。它能自动构建和选择最佳模型，适用于不同频率的数据，并提供灵活的参数设置。Auto_TS支持交叉验证和预测功能，简化了建模过程，提高了效率。该工具适合数据分析人员使用，可通过简单的代码实现复杂的时间序列建模任务。

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。

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。

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。

prophet - 开源时间序列预测库Prophet

FacebookGithubProphet开源软件开源项目时间序列预测机器学习

Prophet是Facebook开发的开源时间序列预测库。基于加法模型，它能处理非线性趋势、多重季节性和节假日效应。适用于具有强季节性且拥有较长历史数据的时间序列，对缺失数据和趋势变化有较强适应性。Prophet支持Python和R语言，API简洁易用，可快速生成高质量预测。

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。

deepxde - 科学计算与物理学习的深度学习库

DeepXDEGithub开源项目深度学习库物理信息学习神经网络科学机器学习

DeepXDE 是一个为科学计算和物理引导学习设计的深度学习库。它支持解决多种复杂问题，如常微分方程、偏微分方程、分数阶微分方程和随机微分方程等。DeepXDE 支持多个后端，包括 TensorFlow、PyTorch、JAX 和 PaddlePaddle，提供丰富的几何域、边界条件、自动微分和采样方法。其模块化设计允许用户自定义和扩展模块，适用于科研和工业应用。

TSDB - 高效便捷的时间序列数据集加载库

GithubPyPOTSTSDB开源工具开源项目数据挖掘时间序列数据集

TSDB是一个时间序列数据集加载库，支持172个公开数据集的一键加载。该工具简化了研究人员和工程师的数据获取流程，使他们能专注于数据处理。TSDB具备数据下载、加载和缓存管理功能，并支持缓存目录迁移。作为PyPOTS工具箱的组成部分，TSDB为时间序列数据挖掘提供了基础支持。

CEEMDAN_LSTM - CEEMDAN与LSTM结合的时序预测模型

CEEMDAN_LSTMGithub开源项目数据分解时间序列预测神经网络金融预测

CEEMDAN_LSTM是一个Python模块，结合完整集成经验模态分解(CEEMDAN)和长短期记忆(LSTM)神经网络进行时序预测。该项目提供多种预测方法和评估工具，支持灵活的参数设置，适用于金融等领域的复杂时序数据分析。它简化了分解集成预测的实现过程，有助于研究人员和数据分析师快速构建和优化预测模型。CEEMDAN_LSTM支持多种预测方法，包括单一、集成、分别和混合预测等。它还提供了统计测试、热图绘制和DM测试等模型评估工具，有助于全面分析预测结果。

Time-series-classification-and-clustering-with-Reservoir-Computing - 基于储层计算的时间序列分析框架

GithubReservoir Computing开源项目时间序列分类时间序列聚类机器学习神经网络

这个开源项目利用储层计算技术，实现了时间序列数据的分类、聚类和预测功能。它支持处理单变量和多变量时间序列，并提供了易用的Python库。项目包含多个功能模块、丰富的数据集和高级示例。其特有的储层模型空间表示方法在处理复杂时间序列任务时表现出色。

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