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。

PyPOTS是一个专注于部分观测时间序列(POTS)机器学习的Python工具箱。它集成了经典和前沿算法，支持数据插补、分类、聚类、预测和异常检测等任务。该工具箱提供统一API、详细文档和交互示例，简化POTS数据处理流程。PyPOTS支持多种神经网络模型，并具备超参数优化功能，为时间序列分析提供综合解决方案。

SAITS是一种基于纯自注意力机制的时间序列插补方法,无需递归设计。该方法克服了RNN模型的速度慢、内存限制和误差累积等缺点,在多个数据集上优于现有方法。SAITS采用联合优化训练,模型结构简洁高效,仅需Transformer 15-30%的参数即可获得可比性能。在平均绝对误差上,SAITS比BRITS提高12-38%,比NRTSI提高7-39%,同时训练速度提升2-2.6倍。该方法为时间序列插补研究提供了新的思路。