mlforecast

高性能可扩展的机器学习时间序列预测框架

MLForecast 时间序列预测机器学习特征工程分布式训练 Github 开源项目

mlforecast是一个基于机器学习模型的时间序列预测框架,具有高效的特征工程实现和良好的可扩展性。该框架支持pandas、polars、spark等多种数据格式,兼容sklearn API,能够处理海量数据。除了支持概率预测和外生变量,mlforecast还提供分布式训练功能,适用于大规模生产环境的时间序列预测任务。框架采用熟悉的fit和predict接口,便于快速上手和集成到现有项目中。

访问官网

Github

介绍相关项目

clearml - ML/DL 开发和生产套件

ClearMLGithubMLOps实验管理开源项目数据管理模型部署

ClearML是一个开源平台，集成了实验管理、MLOps/LLMOps、数据管理、模型服务和报告生成功能。支持云端和本地部署，帮助用户实现AI项目的高效管理和自动化，包括实验记录、数据版本控制、模型部署与监控等。ClearML支持多种机器学习和深度学习框架，并与Jupyter Notebook无缝集成，适合团队协作和远程任务执行，提升AI工作流效率。

Crossformer - 高效利用跨维度依赖的多变量时间序列预测模型

CrossformerGithubTransformer开源项目时间序列预测注意力机制深度学习

Crossformer是一种新型Transformer模型，针对多变量时间序列预测设计。该模型采用维度分段嵌入、两阶段注意力机制和层次编码器-解码器结构，有效捕捉时间和维度间的依赖关系。Crossformer在多个基准数据集上表现优异，为长序列预测和高维数据处理提供新思路。其开源实现便于研究人员和实践者探索应用。

Time-Series-Forecasting-and-Deep-Learning - 时间序列预测与深度学习研究资源集锦

GithubMambaTransformer开源项目时间序列预测深度学习神经网络

本项目汇总了时间序列预测和深度学习领域的研究论文、竞赛、数据集和代码等资源。内容涵盖2017年至2024年的研究成果，包括Transformer和Mamba等模型的创新应用。同时提供实例、博客和教程，为时间序列分析与预测研究提供全面参考。

mleap - 快速部署机器学习流水线与算法的实用工具包

GithubMLeapScikit-learnSpark开源项目性能机器学习数据管道

MLeap提供高性能、便携、易于集成的生产库，支持将Spark和Scikit-learn的机器学习流水线导出为便携格式并执行。通过其执行引擎和序列化格式，数据科学家和工程师可以无需依赖Spark或Scikit-learn环境，将数据流水线和算法轻松部署到生产环境中。MLeap支持多种序列化格式（如JSON、Protobuf），并与现有技术高度集成，提供用户灵活定制数据类型和转换器的能力。

mlxtend - Python机器学习日常任务扩展库

GithubPython库mlxtend开源软件开源项目数据科学机器学习

mlxtend扩展了Python的机器学习功能，专注于提供数据科学日常任务中的实用工具。库中包含多种分类器、集成方法和决策区域可视化功能。它支持pip和conda安装，适合机器学习研究和实践。mlxtend提供详细文档和示例，有助于简化数据科学工作流程。

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。

Stock-Prediction-Neural-Network-and-Machine-Learning-Examples - Python实现的股票预测神经网络和机器学习模型集

GithubPython开源项目机器学习神经网络股票预测超参数优化

这个开源项目集成了多种用于股票预测的机器学习和神经网络方法，包括遗传算法、梯度提升和K均值聚类等。项目展示了如何使用Keras、PyTorch等主流深度学习框架实现这些模型。其特色在于提供了超参数优化功能，支持多线程处理以提升效率。开发者可以方便地配置和测试不同的超参数，如学习率、批量大小和网络结构。项目还包含了使用实时市场数据进行股票预测的实例代码和详细文档，适合学习和研究股票预测技术。

SynapseML - 简化大规模机器学习管道的开源工具

Apache SparkGithubSynapseML开源项目异常检测文本分析机器学习

SynapseML是一个开源库，旨在简化大规模机器学习管道的创建。它提供简单、可组合和分布式的API，支持文本分析、视觉处理、异常检测等多种任务。基于Apache Spark，SynapseML与SparkML/MLLib共享相同的API，能够无缝集成到现有的Spark工作流中。该库支持Python、R、Scala、Java和.NET，适用于各种数据库和云数据存储，助力构建智能系统。

Corrformer - 全球气象站统一深度模型的可解释天气预报系统

CorrformerGithub天气预报开源项目时空建模机器学习深度学习

Corrformer是一种新型天气预报模型，通过多相关性机制实现了对数万个气象站的协作预报。该模型显著降低了时空建模复杂度，并能生成基于天气过程传播方向的可解释预测。在多个尺度的数据集上，Corrformer的预报性能超越了传统统计方法和最新深度学习模型，近地面预报能力可与数值方法相媲美。这项研究为气象科学引入了创新的数据驱动人工智能方法。

fable - R语言时间序列预测包支持多种模型与可视化

ARIMA模型GithubR包fable开源项目指数平滑时间序列预测

fable是一个R语言包,提供单变量和多变量时间序列预测模型。它支持基于状态空间模型的指数平滑、自动ARIMA建模等,与tidyverse工作流程兼容。fable内置ETS、ARIMA和SNAIVE等模型,可进行预测并生成可视化图表。该包适用于多种时间序列预测场景,为数据分析和研究提供便利。

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