Project Icon

timeshap

针对循环模型的时序数据解释框架

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。

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。
time-series-transformers-review - 时序数据建模中的Transformers技术综述
GithubTransformers分类开源项目异常检测时间序列预测
本项目专业整理了Transformers在时序数据建模中的资源,涵盖论文、代码和数据,全面总结其最新进展。内容持续更新,开放问题提交和拉取请求,覆盖时序预测、不规则时序建模、异常检测和分类等领域,适合学术研究及实际应用。
inseq - 基于Pytorch的序列生成模型解释性分析工具
GithubInseqPytorch序列生成开源项目模型解释集成渐变
Inseq是一个基于Pytorch的可定制工具包,专为序列生成模型的后验可解释性分析设计。它支持多种特性归因方法,可高效分析单例或整套数据集的各类模型,包括GPT-2。Inseq支持在Jupyter Notebook、浏览器和命令行中进行可视化,并提供多种后处理和归因映射合并功能。
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。
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。
tempo - Databricks上的时间序列数据处理工具库
DatabricksGithubPySparkTempo开源项目数据处理时间序列
Tempo是一个基于PySpark的开源时间序列数据处理工具库。它为Databricks上的数据团队提供了一套抽象和函数,简化了时间序列数据的操作和分析。Tempo扩展了PySpark的功能,通过易用的API支持复杂的时间序列分析任务。这个工具库适用于需要在大规模数据集上进行高效时间序列处理的场景。
TFB - 时间序列预测评估框架
GithubTFB基准测试开源库开源项目时序预测评估框架
TFB是一个为时间序列预测研究设计的开源库。它提供清晰的代码库,支持对预测模型进行端到端评估,并通过多种策略和指标比较模型性能。TFB特点包括多样化数据集、全面基线模型、灵活评估策略和丰富评估指标。研究人员可利用TFB开发新方法或评估自有时间序列数据。
BasicTS - 公平且标准的时间序列预测基准和工具包
BasicTSGithub基准测试工具包开源项目时间序列预测深度学习
BasicTS是一个开源的时间序列预测基准和工具包,支持空间-时间预测和长时间序列预测等任务。它提供统一标准的评估流程,实现对主流深度学习模型的公平对比。BasicTS还提供易用的接口,便于设计和评估新模型。该项目内置多个数据集和基线模型,支持多种计算设备,并有完善的日志系统。BasicTS致力于推动时间序列预测研究的发展。
captum - PyTorch模型可解释性和理解的开源库
CaptumGithubPyTorch开源项目模型可解释性特征归因神经网络分析
Captum是为PyTorch设计的模型可解释性库,提供集成梯度等多种算法,帮助理解模型预测依据和学习过程。它支持对抗攻击和输入扰动功能,可生成反事实解释。适用于模型开发者和可解释性研究人员,有助于改进模型性能和进行解释性研究。
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。
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