luminaire

开源时间序列异常检测库

Luminaire 异常检测时间序列机器学习开源库 Github 开源项目

Luminaire是一个开源的Python库，专门用于时间序列数据的异常检测和预测。它集成了数据预处理、建模和配置优化功能，可自动处理各类时间序列数据。该库支持批处理和流式数据监控，能识别相关性和季节性模式，并适应数据随时间的变化。Luminaire设计简单易用，仅需少量配置即可实现高效的异常检测。

访问官网

Github

介绍相关项目

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。

statsforecast - 快速高效的统计时间序列预测工具

GithubStatsForecast开源项目性能优化时间序列预测统计模型自动模型

StatsForecast是一个专注于统计时间序列预测的Python库。它集成了多种常用模型如ARIMA、ETS等,并通过numba实现高性能计算。该库支持概率预测、外生变量处理和异常检测,可与Spark等大数据框架无缝对接。StatsForecast能高效处理大规模时间序列数据,适用于生产环境和基准测试。

lunary - 开源LLM应用的可观测性、提示管理和评估工具

GithubLLMlunary开源项目提示管理数据集观察性

Lunary 提供开源的可观测性、提示管理和评估功能，帮助LLM开发者优化应用性能。它支持成本分析、日志监控、提示模板创建和微调数据集，方便快速集成和自托管。兼容JavaScript和Python模块，适用于多种模型，并提供托管版本和本地部署指南，确保数据安全和优质支持。

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。

nolitsa - 全面的Python非线性时间序列分析库

GithubLyapunov指数NoLiTSAPython模块嵌入维度估计开源项目非线性时间序列分析

NoLiTSA是一个开源Python模块，专门用于非线性时间序列分析。它实现了多种标准算法，如嵌入延迟估计、维度估计、相关维数计算和最大Lyapunov指数估计。模块支持FT、AAFT和IAAFT替代数据生成，并提供噪声减少功能。NoLiTSA适用于复杂的时间序列分析任务，已在天体物理学和流体动力学研究中应用，为科研人员提供了可靠的分析工具。

mlforecast - 高性能可扩展的机器学习时间序列预测框架

GithubMLForecast分布式训练开源项目时间序列预测机器学习特征工程

mlforecast是一个基于机器学习模型的时间序列预测框架,具有高效的特征工程实现和良好的可扩展性。该框架支持pandas、polars、spark等多种数据格式,兼容sklearn API,能够处理海量数据。除了支持概率预测和外生变量,mlforecast还提供分布式训练功能,适用于大规模生产环境的时间序列预测任务。框架采用熟悉的fit和predict接口,便于快速上手和集成到现有项目中。

awesome-time-series - 时间序列分析资源及工具集锦

GithubPython可视化开源项目数据分析时间序列机器学习

该项目汇集了丰富的时间序列和序列数据处理资源。涵盖Python、R、Java等多种语言的工具库，内容包括特征工程、分割、增强和可视化等方面。同时收录了相关数据库、标注工具、学术论文、开源模型、书籍和课程，为时间序列分析提供全面参考。

functime - 高性能时间序列机器学习Python库

GithubPolarsPython库全局预测开源项目时间序列机器学习特征提取

functime是一个面向大规模时间序列数据分析的Python库，提供高效的全局预测和特征提取功能。它支持时间序列预处理、交叉验证和性能评估，通过惰性Polars变换实现优化。该库能快速处理海量时间序列，支持外生特征和自动化调优，并集成LLM代理用于预测分析，适用于各种机器学习和数据分析任务。

egads - 开源时间序列异常检测Java库

EGADSGithubJava库开源软件开源项目时间序列异常检测自动化监控

EGADS是一个开源Java库,用于自动检测大规模时间序列数据中的异常。它采用模块化架构,包含时间序列建模和异常检测两个主要组件,支持多种模型和算法。EGADS可扩展性强,易于集成到现有监控系统中,适用于多种应用场景。该库仅依赖Java,部署简单,为大规模时间序列异常检测提供高效解决方案。

Time-Series-Analysis-with-Python-Cookbook - Python时间序列分析与预测实战指南

GithubPython开源项目数据科学时间序列分析机器学习预测

这本书全面介绍Python时间序列分析和预测技术，涵盖数据获取、预处理和高级建模。内容包括统计方法、机器学习和深度学习算法，以及使用TensorFlow、PyTorch等框架进行预测。通过实用代码示例和案例研究，读者可以学习处理复杂时间序列数据、进行异常检测，并解决实际业务问题。适合数据分析师和开发者提升时间序列分析技能。

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