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

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。

Orion - 开源无监督时间序列异常检测库

AI实验室GithubOrion开源项目无监督学习时间序列异常检测机器学习库

Orion是MIT数据到AI实验室开发的开源库，专注于无监督时间序列异常检测。该项目提供多个验证过的机器学习管道，能够识别时间序列数据中的异常模式。Orion集成了自动机器学习工具，支持AER、TadGAN等算法，并提供完善的文档、教程和基准测试。兼容Python 3.8-3.11版本，可通过pip轻松安装。适用于需要进行时间序列分析的研究人员和开发者。

pomegranate - Python 中快速、灵活且易于使用的概率建模

GPU支持GithubPyTorchpomegranate开源项目概率建模混合精度支持

新版本将计算后端从Cython迁移到PyTorch，提升了速度和灵活性。新特性包括GPU支持、半精度计算、多变量分布、缺失值处理以及更好的社区贡献。改进后的pomegranate在混合模型、贝叶斯网络和隐马尔科夫模型的构建中表现出色，实现了高度的灵活性和效率。

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。

PyxLSTM - 基于xLSTM架构的高效序列建模Python库

GithubLSTMPyxLSTM序列建模开源项目深度学习自然语言处理

PyxLSTM是一个基于xLSTM架构的Python库，为序列建模任务提供高效实现。该库引入指数门控、内存混合和矩阵内存结构，支持sLSTM和mLSTM变体。PyxLSTM提供灵活的模型架构、高级模型定义、训练工具和数据处理功能，适用于语言建模、文本生成等任务。其轻量模块化设计易于集成，并配有详细文档和测试。

PPO-PyTorch - 使用PyTorch实现的简易PPO算法工具

GithubOpenAI gymPPO-PyTorchProximal Policy Optimization开源项目强化学习超参数调整

该项目提供了一个基于PyTorch的简易PPO算法实现，适用于OpenAI Gym环境，帮助初学者理解PPO。更新内容包括整合离散和连续算法，并引入了线性衰减机制。用户可以通过PPO_colab.ipynb在Google Colab中便捷地训练、测试和绘制图表。项目支持单线程执行，并提供日志记录、可视化和动画生成工具。

pymc - Python贝叶斯统计建模与概率编程框架

GithubPyMCPython包变分推断开源项目贝叶斯统计建模马尔可夫链蒙特卡洛

PyMC是一个Python贝叶斯统计建模框架,专注于高级马尔可夫链蒙特卡洛和变分推断算法。它提供直观的模型语法、强大的采样算法和推断功能,可处理复杂模型。PyMC利用PyTensor优化计算,支持缺失值处理,并提供丰富的示例资源。作为一个灵活的概率编程工具,PyMC适用于广泛的统计建模任务。

awesome-time-series - 时间序列分析资源及工具集锦

GithubPython可视化开源项目数据分析时间序列机器学习

该项目汇集了丰富的时间序列和序列数据处理资源。涵盖Python、R、Java等多种语言的工具库，内容包括特征工程、分割、增强和可视化等方面。同时收录了相关数据库、标注工具、学术论文、开源模型、书籍和课程，为时间序列分析提供全面参考。

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。

neural_prophet - 易用的开源时间序列预测框架

GithubNeuralProphetPyTorch开源项目时间序列预测模型构建

NeuralProphet是一个基于PyTorch的开源框架，将神经网络与传统时间序列算法结合，专为时间序列预测而设计。它提供简便的代码接口，支持模型定制、趋势检测、季节性分析和事件影响评估，适合高频次和长期数据。项目仍在beta阶段，欢迎社区贡献。

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