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
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。
feature-engineering-for-time-series-forecasting - 时间序列预测特征工程全面指南
GithubPython开源项目数据处理时间序列预测机器学习特征工程
该项目提供时间序列预测特征工程的全面指南，涵盖数据表格化、时间序列分解、缺失值处理和异常值检测等核心内容。深入介绍滞后特征、窗口特征、趋势和季节性特征的创建方法，以及日期时间和分类特征的处理技巧。通过实践代码和详细说明，旨在提升预测模型性能。
darts - Python中易于使用的时间序列预测与异常检测库
DartsGithub开源项目异常检测时间序列概率预测深度学习
Darts是一个用户友好且灵活的Python库，专注于时间序列的预测与异常检测。它提供了一系列从ARIMA到深度神经网络的多样化模型，通过统一的fit()和predict()接口简化操作，类似于scikit-learn。此外，Darts支持包括多变量和外部数据在内的复杂时间序列处理，并为大规模数据集提供高效解决方案。它还拥有全面的异常检测功能，允许进行深入的异常分析和评分。
iTransformer - 先进的时间序列预测模型，打造SOTA性能
GithubiTransformer人工智能开源项目时间序列预测注意力网络深度学习
iTransformer是一种基于注意力机制的时间序列预测模型，由清华大学和蚂蚁集团研究人员开发。该模型采用倒置Transformer结构，支持多变量和多步长预测。iTransformer引入了可逆实例归一化等技术，旨在提高预测准确性和处理长序列数据的能力。这个开源项目为时间序列分析提供了新的研究方向。项目提供Python实现，支持使用PyTorch框架。用户可通过pip安装并轻松集成到现有的时间序列分析工作流程中。该项目还包括实验性功能，如二维注意力和傅里叶变换增强版本，为研究人员提供了探索和改进的空间。
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概率预测模型语言模型
Chronos-T5-Base是一个基于T5架构的时间序列预测基础模型，拥有2亿参数。该模型将时间序列数据转化为token序列，并通过交叉熵损失函数进行训练。通过采样多个可能的未来轨迹，Chronos-T5-Base能够生成概率预测结果。模型在大量公开时间序列数据和合成数据上训练，适用于多种时间序列预测场景，为研究人员和开发者提供了一个强大的预训练工具。
pyoats - 灵活强大的时间序列异常检测Python库
GithubOATS开源项目异常检测时间序列机器学习
pyoats是一个专注于时间序列异常检测的开源Python库。它整合了多种先进检测算法，支持单变量和多变量时间序列分析，并提供统一的输出接口。该项目不仅集成了PyTorch、TensorFlow等深度学习框架，还包含传统统计方法。pyoats旨在简化异常检测实验流程，为数据科学家和工程师提供了一个功能丰富、使用灵活的工具。
flow-forecast - 开源时间序列深度学习框架，支持最新模型和云端集成
Flow ForecastGithubtransformer开源开源项目时间序列预测深度学习
Flow Forecast 是一个开源时间序列预测深度学习框架，提供最新的Transformer、注意力模型、GRU等技术，并具有易于理解的解释指标、云集成和模型服务功能。该框架是首个支持Transformer模型的时间序列框架，适用于流量预测、分类和异常检测。
chronos-t5-large - 基于T5架构的大规模时间序列预测模型
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-Large是一个拥有7.1亿参数的大规模时间序列预测模型。该模型基于T5架构，通过将时间序列转化为token序列进行训练，能生成概率性预测。Chronos-T5-Large在大量公开和合成时间序列数据上训练，可处理多种预测任务。研究人员和开发者可通过Python接口使用该模型，适用于需要高精度分析的时间序列场景。
temporian - 高效可靠的时间数据预处理库
GithubPython库Temporian开源项目数据预处理时间数据处理特征工程
Temporian是一个专注于时间序列分析和数据预处理的Python库。它支持多种时间数据类型，包括多变量时间序列、事件日志和跨源事件流。经过优化，Temporian在处理时间数据时的效率可达常规库的1000倍。此外，它还提供了防止数据泄露的功能，并能与现有机器学习生态系统无缝集成，为时间数据处理提供了高效可靠的解决方案。
MOMENT-1-large - 多功能时间序列分析基础模型：预测、分类、异常检测和填补
GithubHuggingfaceMOMENT基础模型开源项目时间序列分析机器学习模型预训练模型
MOMENT-1-large是一款专为时间序列分析设计的多功能基础模型。它能够高效处理预测、分类、异常检测和数据填补等多种任务。该模型具有出色的零样本和少样本学习能力，可以在缺少或仅有少量任务特定样本的情况下直接使用。此外，MOMENT-1-large支持使用领域相关数据进行微调，以进一步提升性能。作为一个灵活而强大的工具，它为各类时间序列分析任务提供了有力支持。
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

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