Project Icon

Auto_TS

自动构建和选择多种时间序列模型的高效工具

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。

automating-technical-analysis - 自动化技术分析与深度学习的金融交易系统
Github加密货币交易开源项目技术分析时间序列分析股票交易金融交易
automating-technical-analysis项目旨在通过数据分析和深度学习简化金融交易决策。它结合了多种流行的技术分析指标,如MACD、慢随机指标和RSI,并利用Transformer编码器神经网络学习价格模式和交易行为。这种创新方法提供实时的买入、卖出或持有建议,有助于优化交易策略。项目通过Streamlit平台提供易于使用的界面,使技术分析变得更加简单和易懂。作为开源项目,它适用于股票和加密货币市场,为交易者提供强大的自动化分析工具。
uni2ts - 时间序列预测Transformer模型的统一训练框架
GithubPyTorchTransformerUni2TS开源项目时间序列预测预训练模型
Uni2TS是一个基于PyTorch的开源库,专门用于时间序列Transformer的研究和应用。它提供了统一的大规模预训练解决方案,支持微调、推理和评估。该库集成了零样本预测、自定义数据集处理和全面评估功能,并提供简化的命令行界面。Uni2TS旨在推动时间序列预测领域的进展,适用于研究和实际应用场景。
iTransformer - 用于多变量时间序列预测的iTransformer模型
GithubTransformer模型iTransformer多变量预测开源项目时间序列预测高效注意力机制
iTransformer是一种用于多变量时间序列预测的开源模型,无需修改任何Transformer模块。它在处理大规模数据时表现出色,具备显著的性能提升和强大的泛化能力。iTransformer已在多种基准测试中表现优异,支持静态协变量和概率发射头。用户可通过pip安装,并使用项目提供的详细训练和评估脚本。更多信息请参阅官方论文。
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。
TSFpaper - 时间序列与时空预测论文精选合集
GithubSpatio-Temporal ForecastingTime Series ForecastingTransformerdeep learningmultivariate forecasting开源项目
本仓库收录了300多篇时间序列与时空预测的论文,涵盖多种预测模型类型。这些论文包括顶级会议和期刊发表的研究成果以及最新的arXiv论文。支持单变量、多变量及不规则时间序列预测,广泛应用于交通和天气等领域。仓库内容持续更新,并推荐热门工具库和最新模型,是时间序列预测研究的重要资源。
chronos-t5-tiny - 轻量级时间序列预测模型 基于T5架构设计
Chronos-T5GithubHuggingface开源项目时间序列预测概率预测模型语言模型架构预训练模型
Chronos-T5-Tiny是一款轻量级时间序列预测模型,基于T5架构设计。该模型将时间序列转换为token序列进行训练,能够生成概率性预测并支持多轨迹采样。与原始T5相比,Chronos-T5-Tiny仅使用4096个不同token,参数量减少至800万,更加精简高效。研究人员和开发者可通过简洁的Python接口快速应用此模型进行时间序列分析。
chronos-t5-mini - 开源时间序列预测模型实现高效概率预测
Chronos-T5GithubHuggingface开源项目时间序列预测概率预测模型语言模型预训练模型
Chronos-T5-Mini是基于T5架构开发的时间序列预测模型,参数规模为2000万。模型通过将时间序列转换为token序列进行训练,采用多轨迹采样方式实现概率预测。模型在公开时间序列数据集和高斯过程生成的合成数据上完成预训练,采用4096大小的词汇表,相比原始T5模型显著降低了参数量同时保持了预测性能。
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。
prophet-ruby - Ruby的Prophet时间序列预测库
GithubProphetRuby开源项目数据分析时间序列预测机器学习
Prophet.rb是Ruby版的时间序列预测库,源自Facebook的Prophet项目。它支持多重季节性、线性和非线性增长、节假日效应,可处理缺失数据。提供简单和高级API,功能包括异常检测、饱和预测、趋势变点分析和模型诊断。Prophet.rb简化了预测、可视化和模型优化流程,适用于各种数据分析和预测任务。
tsflex - 高效灵活的时间序列处理和特征提取Python工具包
GithubPython库tsflex开源项目数据分析时间序列处理特征提取
tsflex是一个Python工具包,用于时间序列处理和特征提取。它支持多变量、多模态时间序列数据,并可与多种处理和特征提取库集成。tsflex采用基于视图的操作,实现低内存占用和快速执行。该工具包提供直观的API,对序列数据几乎没有假设,能处理异步数据。此外,tsflex还具备特征选择、执行时间记录和序列化等高级功能。
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