Logo
Project Icon

HyperTS

全面的时间序列分析工具包 支持多任务和多模式分析

HyperTS时间序列分析自动机器学习预测异常检测Github开源项目

HyperTS是一款全面的时间序列分析工具包，集成了统计模型、深度学习和神经架构搜索。它支持预测、分类、回归和异常检测等多种任务，适用于复杂的时间序列分析场景。该工具包提供多变量和协变量支持，概率区间预测，以及丰富的预处理、评估指标和搜索策略。HyperTS简单易用，为时间序列分析提供了端到端的自动化解决方案。

访问官网访问官网GithubGithub文档文档
介绍相关项目
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。
Hypernets - 自动机器学习通用框架 支持多种算法与优化技术
AutoMLGithubHypernets开源项目机器学习神经架构搜索超参数优化
Hypernets作为一个通用AutoML框架，能够为多种机器学习框架和库提供自动优化工具。它不仅支持TensorFlow、Keras、PyTorch等深度学习框架，还兼容scikit-learn、LightGBM、XGBoost等机器学习库。该框架集成了多种先进的单目标和多目标优化算法，并引入抽象搜索空间表示，满足超参数优化和神经架构搜索的需求，从而适应各类自动机器学习场景。
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。
tsfresh - 时间序列特征自动提取和分析的Python开源工具
GithubPythontsfresh开源项目时间序列机器学习特征提取
tsfresh是一个开源Python库，专注于时间序列数据的自动特征提取。它集成了统计学、时间序列分析、信号处理和非线性动力学的算法，并提供了特征选择机制。该工具可处理多种采样数据和事件序列，提供100多种预定义特征，并通过内置过滤程序评估特征重要性。tsfresh支持回归和分类任务，兼容sklearn、pandas和numpy，可在本地或集群环境运行，为时间序列分析提供了高效解决方案。
timetk - R语言时间序列分析与可视化工具包
GithubR语言timetk开源项目数据可视化时间序列分析机器学习
timetk是一个功能丰富的R语言时间序列分析工具包。它提供数据可视化、处理和特征工程功能，支持交互式和静态绘图、时间序列机器学习、异常检测和聚类分析。与同类包相比，timetk功能更全面、易用性更高，可简化时间序列分析和预测建模流程。该包适用于需要高效处理和分析时间序列数据的研究人员和数据科学家。
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。
tsfeatures - 高效提取时间序列特征的R工具包
GithubR包tsfeatures开源项目数据分析时间序列特征提取
tsfeatures是一个R包，专门用于从时间序列数据中提取多种特征。它能分析趋势、季节性、线性度等，并处理不同频率和周期的时间序列。该包输出易于理解的特征指标，适用于时间序列分析、预测和分类等领域。tsfeatures可通过CRAN安装，支持多种时间序列特征提取方法，使用简单灵活。
test-ttm-v1 - 开源时间序列预测模型 高效预测基础
GithubHuggingfaceTinyTimeMixer基础模型开源项目时间序列模型预测预训练模型
Test TinyTimeMixer (TTM)是一个开源的时间序列预测基础模型。这个项目利用预训练方法，为时间序列分析提供了有力支持。TTM致力于提升时间序列预测的效率和准确性，可应用于多种时间相关的数据分析场景。作为开源项目，它遵循Apache 2.0许可证，并在Hugging Face平台上提供。TTM为研究人员和数据科学家提供了一个探索和优化时间序列预测技术的平台。
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。
tsai - 专注于时间序列分析的深度学习库，支持分类、回归和预测任务。
GithubPytorchdeep learningfastaitime seriestsai开源项目
tsai是基于Pytorch和fastai的开源深度学习库，专注时间序列分析，涵盖分类、回归和预测等任务。支持多种模型和数据集，并提供详尽的教程。适用于Pytorch 2.0，安装简便，适合开发和前沿研究。
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