Logo
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时间序列模型自动化机器学习预测ProphetGithub开源项目

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。

GithubGithub文档文档
介绍相关项目
Autoformer - 具有自相关性的分解变压器，用于长期序列预测
AutoformerGithubTransformer开源项目时间序列预测自动相关机制长期预测
Autoformer是一种长时间序列预测的通用模型，采用分解变压器和自动相关机制，实现38%的预测精度提升，覆盖能源、交通、经济、天气和疾病等应用领域。最近，该模型已被纳入Hugging Face和Time-Series-Library，并在2022年冬奥会中用于天气预报。Autoformer不同于传统Transformer，不需位置嵌入，具备内在的对数线性复杂度，易于实现和复现。
hctsa - MATLAB时间序列分析与特征提取工具包
Githubhctsa开源项目数据可视化时间序列分析机器学习特征提取
hctsa是一款功能强大的MATLAB时间序列分析工具包，专注于特征提取和比较分析。它能从单变量时间序列中提取大量特征，并提供多种分析工具。主要功能包括数据标准化、聚类、降维、特征识别和分类模型评估。该工具包适用于多领域的时间序列研究，能够深入挖掘数据特征，进行全面的比较分析。
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。
tsa4 - 时间序列分析与应用的开源资源库
GithubPythonR语言astsa开源项目数据集时间序列分析
tsa4是一个综合性时间序列分析资源库，包含《Time Series Analysis and Its Applications》第四版的更新代码和astsa R包。项目提供errata列表、Python代码转换和数据集包，支持R和Python用户学习和应用时间序列分析。该资源库为研究者和实践者提供了丰富的工具和参考材料。详情请访问项目GitHub页面：https://github.com/nickpoison/tsa4
neuralforecast - 先进的神经网络时间序列预测模型库
GithubNeuralForecast开源项目时间序列机器学习深度学习预测模型
NeuralForecast 提供 30 多种先进的神经网络模型，提升时间序列预测的准确性和效率。支持外生变量和静态协变量，并具备自动超参数优化和可解释性方法。通过 sklearn 语法 `.fit` 和 `.predict` 实现快速训练和预测，包含 NBEATSx 和 NHITS 等最新实现，并与 Ray 和 Optuna 集成，适用于多种应用场景。
moirai-1.0-R-base - 基于Transformer的通用时间序列预测模型
GithubHuggingfaceMoirai开源项目数据分析时间序列预测机器学习模型模型预训练模型
Moirai-1.0-R-base是一个基于掩码编码器的通用时间序列预测Transformer模型，在LOTSA数据集上预训练。该模型包含9100万参数，使用补丁嵌入和变量ID编码方法，可处理多变量时间序列数据进行预测。模型支持自定义预测长度和上下文窗口设置，通过uni2ts库实现部署。作为Moirai系列的中型版本，该模型在性能和计算效率方面达到平衡。
Time-Series-Works-Conferences - 全面的时间序列研究与预测资源集合
Github开源项目数据分析时间序列机器学习深度学习预测
这是一个汇集时间序列研究最新进展的资源库，整合了多领域的论文、代码和会议信息。项目涵盖多变量预测、概率预测、数据插补和异常检测等任务，提供详细的论文分类和方法总结。同时收录了相关数据集和开源代码，为时间序列研究提供全面的参考。
chronos-t5-base - T5架构驱动的时间序列预测基础模型
ChronosGithubHuggingfaceT5架构开源项目时间序列预测机器学习模型预训练模型
Chronos-T5-Base是一款基于T5架构的时间序列预测基础模型，具有2亿参数规模。该模型将时间序列转换为token序列，通过交叉熵损失训练，能够生成多样化的概率性预测。Chronos-T5-Base在大量公开时间序列数据和合成数据上进行了预训练，适用于广泛的时间序列预测场景。研究人员和开发者可以通过Python接口轻松调用该模型，实现高效的时间序列分析和预测。
tspiral - 优化时间序列预测的Python工具包
GithubPython包scikit-learntspiral开源项目时间序列预测机器学习
tspiral是一个专注于时间序列预测的Python工具包，提供多种优化技术如递归预测、直接预测、堆叠预测和修正预测。它与scikit-learn兼容，支持全局和多变量时间序列预测，并提供简洁API。tspiral将复杂的时间序列问题转化为表格式监督回归任务，方便用户利用scikit-learn生态系统进行预测分析。
tslearn - Python时间序列分析机器学习库
GithubPython库tslearn开源项目数据预处理时间序列分析机器学习
tslearn是一个开源的Python库，专注于时间序列分析和机器学习。它提供数据预处理、分类、聚类、回归和多种距离度量方法。支持可变长度时间序列，兼容scikit-learn，包含UCR数据集和数据生成器。tslearn适用于需要进行时间序列分析的数据科学工作，支持超参数调优和管道等功能，为研究和实践提供全面工具支持。
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

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。

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