PyPOTS

部分观测时间序列机器学习的开源Python工具箱

PyPOTS 时间序列机器学习缺失值开源工具 Github 开源项目

PyPOTS是一个专注于部分观测时间序列(POTS)机器学习的Python工具箱。它集成了经典和前沿算法，支持数据插补、分类、聚类、预测和异常检测等任务。该工具箱提供统一API、详细文档和交互示例，简化POTS数据处理流程。PyPOTS支持多种神经网络模型，并具备超参数优化功能，为时间序列分析提供综合解决方案。

访问官网

Github

介绍相关项目

deeptime - Python时间序列分析与动态建模库

Githubdeeptime动力学模型开源库开源项目时间序列分析机器学习

deeptime是一个专注于时间序列数据分析的Python库，集成了多种动态模型估计工具。该库涵盖传统线性学习方法（如马尔可夫状态模型、隐马尔可夫模型和Koopman模型）及先进的核方法和深度学习技术。与scikit-learn兼容的同时，deeptime还提供了独特的Model类，用于分析热力学、动力学和其他动态特性。该库支持多平台安装，适用于各类时间序列数据研究。

AutoTS - 自动化时间序列预测工具

AutoTSGithubPython包开源项目数据分析时间序列预测自动机器学习

AutoTS是一个Python时间序列预测工具，专注于快速部署高精度预测模型。该工具在2023年M6预测竞赛中表现出色，支持多种预测模型和数据转换方法。AutoTS能够处理多变量输出和概率预测，通过自动机器学习寻找最佳模型组合。它适用于大规模数据集，提供横向和马赛克风格的集成方法，以及丰富的指标、交叉验证和数据处理功能。

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。

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。

pastas - Python开源工具助力地下水时间序列分析

GithubPastasPython包地下水开源软件开源项目时间序列分析

这是专注于地下水时间序列分析的开源Python工具。它采用面向对象结构,便于快速构建新模型。通过简洁的Python代码,用户可轻松创建、优化和分析时间序列模型。内置多种分析工具,支持Python 3.9-3.12版本,并提供丰富的文档和示例,适合各层次用户使用。

gluonts - 基于深度学习的概率时间序列建模工具包

GithubGluonTSPython开源项目时间序列预测概率模型深度学习

GluonTS是一个基于Python的时间序列建模库，专注于采用深度学习方法进行概率预测。支持多种深度学习框架，包括PyTorch和MXNet，提供易于安装和使用的特性。适用于多种应用场景，如商业分析和数据科学。由一个积极的开源社区维护和发展。

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。

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。

nixtla - 精准的时间序列预测和异常检测，适用于多领域的生成式预训练模型

GithubTimeGPT开源项目异常检测时间序列零样本推理预测

TimeGPT是一款生成式预训练模型，专注于时间序列分析，支持零样本推断。该模型可应用于零售、电力、金融、物联网等多个领域，通过简洁的代码实现精准的预测与异常检测。TimeGPT提供灵活的API访问，兼容多种编程语言和平台。基于大规模数据集的训练，它在多种频率下的预测表现卓越，特别适合需要快速、精确时间序列分析的应用。

tods - 多变量时间序列的自动化异常检测系统

GithubTODS多变量数据开源项目异常检测时间序列自动机器学习

TODS是一个专注于多变量时间序列数据异常检测的全栈自动化机器学习系统。它提供数据处理、时间序列处理、特征分析等全面模块,支持点级、模式级和系统级三种检测场景。TODS的主要特点包括全栈机器学习功能、广泛的算法支持,以及能够自动搜索最佳模块组合构建最优管道的自动化机器学习能力。

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