tsfresh

时间序列特征自动提取和分析的Python开源工具

tsfresh 时间序列特征提取机器学习 Python Github 开源项目

tsfresh是一个开源Python库，专注于时间序列数据的自动特征提取。它集成了统计学、时间序列分析、信号处理和非线性动力学的算法，并提供了特征选择机制。该工具可处理多种采样数据和事件序列，提供100多种预定义特征，并通过内置过滤程序评估特征重要性。tsfresh支持回归和分类任务，兼容sklearn、pandas和numpy，可在本地或集群环境运行，为时间序列分析提供了高效解决方案。

访问官网

Github

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。

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。

awesome-time-series - 时间序列预测与分析的全面资源汇总

GithubTransformer图神经网络开源项目异常检测时间序列预测深度学习

本项目汇集了时间序列预测领域的最新论文、代码和相关资源。内容涵盖M4竞赛、Kaggle时间序列竞赛、学术研究、理论基础、实践工具和数据集等。为研究人员和从业者提供全面的参考资料，促进时间序列预测技术的深入研究与应用。

jhTAlib - 时间序列技术分析的Python开源库

GithubPythonjhTAlib交易软件开源项目技术分析时间序列

jhTAlib是一个专注于时间序列技术分析的Python开源库。它提供丰富的技术指标和分析工具，适用于开发技术分析软件、图表绘制、回测系统和交易机器人。该库仅依赖Python标准库，安装简便，支持多种数据格式。jhTAlib附带详细文档和示例，是量化交易和金融分析的实用工具。

tsbs - 开源时间序列数据库性能测试工具集

GithubTSBS基准测试开源项目性能测试数据库时间序列

TSBS是一个开源的时间序列数据库基准测试工具集,支持多种主流数据库如TimescaleDB和InfluxDB。它可模拟DevOps和IoT场景,生成测试数据并评估数据写入和查询性能。TSBS提供了完整的测试流程,包括数据生成、加载和查询执行,有助于用户全面评估和选择最适合需求的时间序列数据库。

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。

kshape-python - 高效精准的时间序列聚类算法

Githubk-Shape开源项目数据挖掘无监督学习时间序列聚类机器学习

kshape-python是一种用于单变量和多变量时间序列聚类的高效无监督算法。该方法在ACM SIGMOD 2015会议上获得最佳论文奖，已在多个科学领域和知名企业中广泛应用。kshape-python在准确性和效率方面表现出色，在包含100多个数据集的基准测试中名列前茅。该项目提供CPU和GPU版本实现，可处理大规模时间序列数据。项目提供详细的安装说明、使用示例和基准测试结果，支持单变量和多变量时间序列数据，可在CPU或GPU上运行。该方法在UCR和UAE两个established benchmarks上进行了评估，展示了其在不同数据集上的性能。

neuralforecast - 先进的神经网络时间序列预测模型库

GithubNeuralForecast开源项目时间序列机器学习深度学习预测模型

NeuralForecast 提供 30 多种先进的神经网络模型，提升时间序列预测的准确性和效率。支持外生变量和静态协变量，并具备自动超参数优化和可解释性方法。通过 sklearn 语法 `.fit` 和 `.predict` 实现快速训练和预测，包含 NBEATSx 和 NHITS 等最新实现，并与 Ray 和 Optuna 集成，适用于多种应用场景。

awesome-AI-for-time-series-papers - 时间序列分析领域的人工智能前沿研究与资源集锦

AIGithub开源项目数据挖掘时间序列机器学习深度学习

这是一个全面收录人工智能在时间序列分析(AI4TS)领域最新研究成果的资源库。项目汇集了顶级AI会议和期刊发表的论文、教程和综述，涉及时间序列、时空数据、事件数据等多个方面。资源库实时更新NeurIPS、ICML、KDD等重要会议的相关论文，为AI4TS领域的研究人员和工程师提供了丰富且及时的学术参考。

PyPOTS - 部分观测时间序列机器学习的开源Python工具箱

GithubPyPOTS开源工具开源项目时间序列机器学习缺失值

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。

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