Project Icon

Time-Series-Analysis-with-Python-Cookbook

Python时间序列分析与预测实战指南

这本书全面介绍Python时间序列分析和预测技术,涵盖数据获取、预处理和高级建模。内容包括统计方法、机器学习和深度学习算法,以及使用TensorFlow、PyTorch等框架进行预测。通过实用代码示例和案例研究,读者可以学习处理复杂时间序列数据、进行异常检测,并解决实际业务问题。适合数据分析师和开发者提升时间序列分析技能。

mlforecast - 高性能可扩展的机器学习时间序列预测框架
GithubMLForecast分布式训练开源项目时间序列预测机器学习特征工程
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。
time-series-transformers-review - 时序数据建模中的Transformers技术综述
GithubTransformers分类开源项目异常检测时间序列预测
本项目专业整理了Transformers在时序数据建模中的资源,涵盖论文、代码和数据,全面总结其最新进展。内容持续更新,开放问题提交和拉取请求,覆盖时序预测、不规则时序建模、异常检测和分类等领域,适合学术研究及实际应用。
awesome-python-data-science - Python数据科学资源集合,详解机器学习与深度学习工具
GithubPython工具库开源项目数据科学机器学习深度学习
该项目收集了全面的Python数据科学资源,包括机器学习、深度学习、自动化机器学习、自然语言处理、计算机视觉、时间序列分析和强化学习等领域的开源库。从通用型机器学习算法到深度学习框架(如PyTorch和TensorFlow),再到特征工程和数据可视化,用户可以找到适用于各种数据分析和建模需求的工具。项目旨在帮助数据科学家和工程师高效选择工具,以提高开发和分析效率。
pytimetk - 快速高效的Python时间序列分析库
GithubPython库pytimetk可视化开源项目数据处理时间序列分析
pytimetk是一个高效的Python时间序列分析库,通过简洁语法和优化计算简化了时间序列操作和可视化。相比pandas,它提供3-3500倍的速度提升,并减少代码复杂度。主要功能包括快速时间聚合、便捷绘图、日历特征提取和异常检测等。pytimetk适用于商业预测和科学研究,为时间序列分析提供了全面的解决方案。
python-parallel-programming-cookbook-cn - Python并行编程指南 多核处理效率优化
GithubPython并行编程开源协作开源项目技术书籍翻译计划
这是《Python Parallel Programming Cookbook》的中文翻译项目,深入探讨Python的线程、进程和异步编程三种并行模型。项目提供详细的代码示例和最佳实践,帮助开发者掌握Python并行编程技术,有效利用多核处理器提升程序性能。翻译内容涵盖了并行编程的核心概念和实际应用,适合希望提高Python并发处理能力的开发者参考。
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。
hands-on-ml-zh - Sklearn和TensorFlow机器学习指南
GithubPythonSklearnTensorFlow开源项目数据分析机器学习
本指南详细介绍了如何使用Sklearn和TensorFlow进行机器学习,包括在线阅读、Docker镜像、PYPI包和NPM包的多种下载方式,并提供了完整的编译和安装步骤。通过该指南,读者能够学习和掌握数据分析及机器学习的实用技能。
Time-series-classification-and-clustering-with-Reservoir-Computing - 基于储层计算的时间序列分析框架
GithubReservoir Computing开源项目时间序列分类时间序列聚类机器学习神经网络
这个开源项目利用储层计算技术,实现了时间序列数据的分类、聚类和预测功能。它支持处理单变量和多变量时间序列,并提供了易用的Python库。项目包含多个功能模块、丰富的数据集和高级示例。其特有的储层模型空间表示方法在处理复杂时间序列任务时表现出色。
Data-Scientist-Books - 提供AI、深度学习和机器学习相关的推荐书籍列表
AIDLGithubMLResearch开源项目项目实施
该项目提供AI、深度学习和机器学习相关的推荐书籍列表,适合初学者和有经验的研究者。这些书籍帮助读者快速入门,并深入掌握人工智能和机器学习领域的最新技术与应用,提供实际的项目实施指导和建议,从而更高效地完成AI/ML项目。
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。
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。

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