Logo
Project Icon

tspiral

优化时间序列预测的Python工具包

时间序列预测scikit-learntspiral机器学习Python包Github开源项目

tspiral是一个专注于时间序列预测的Python工具包，提供多种优化技术如递归预测、直接预测、堆叠预测和修正预测。它与scikit-learn兼容，支持全局和多变量时间序列预测，并提供简洁API。tspiral将复杂的时间序列问题转化为表格式监督回归任务，方便用户利用scikit-learn生态系统进行预测分析。

GithubGithub文档文档
介绍相关项目
modeltime - R语言时间序列预测框架 整合机器学习与传统方法
GithubR语言modeltime工作流开源项目时间序列预测机器学习
modeltime是R语言的时间序列预测框架，简化了预测工作流程，整合机器学习和传统分析方法。支持ARIMA、ETS、Prophet等模型，可与tidymodels生态系统集成。通过6步流程，用户可快速构建、评估和部署预测模型，适用于高性能时间序列分析。框架还包括modeltime.h2o用于AutoML、modeltime.gluonts用于深度学习，以及modeltime.ensemble用于集成预测。这些组件共同构成了一个全面的时间序列分析生态系统，为不同规模和复杂度的预测任务提供解决方案。
sktime-dl - 时间序列分析工具的演变
Githubsktime代码迁移开源项目时间序列机器学习深度学习
sktime-dl项目正在整合到sktime框架中，作为其mini-packages的一部分。原sktime-dl的大多数估计器现已迁移至sktime的深度学习分类和回归模块。项目鼓励开发者参与剩余部分的迁移工作，相关贡献指南可在sktime GitHub仓库的规划问题中查阅。这一变更旨在整合和优化时间序列分析工具，为用户提供更统一的体验。
Time-series-prediction - 多功能的TensorFlow时间序列预测平台
GithubTFTSTensorFlow开源项目时间序列深度学习预测
TFTS（TensorFlow Time Series）是一个易用的时间序列预测工具包，支持TensorFlow和Keras中的经典及前沿深度学习方法。适用于预测、分类及异常检测任务。提供适应工业、研究和竞赛所需的深度学习模型，配有详尽文档和教程，帮助用户快速入门。
BasicTS - 公平且标准的时间序列预测基准和工具包
BasicTSGithub基准测试工具包开源项目时间序列预测深度学习
BasicTS是一个开源的时间序列预测基准和工具包，支持空间-时间预测和长时间序列预测等任务。它提供统一标准的评估流程，实现对主流深度学习模型的公平对比。BasicTS还提供易用的接口，便于设计和评估新模型。该项目内置多个数据集和基线模型，支持多种计算设备，并有完善的日志系统。BasicTS致力于推动时间序列预测研究的发展。
orbit - 用于贝叶斯时间序列预测和推断的 Python 包
GithubOrbitPython安装指南开源项目时间序列预测贝叶斯推断
Orbit 是一个用于贝叶斯时间序列预测和推断的 Python 包，提供直观的初始化-拟合-预测接口。支持的模型包括ETS、LGT、DLT和KTR，采用MCMC、MAP和VI等方法进行优化。用户可以通过PyPI、源码或Anaconda安装，并提供详细的文档和教程。
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。
iTransformer - 用于多变量时间序列预测的iTransformer模型
GithubTransformer模型iTransformer多变量预测开源项目时间序列预测高效注意力机制
iTransformer是一种用于多变量时间序列预测的开源模型，无需修改任何Transformer模块。它在处理大规模数据时表现出色，具备显著的性能提升和强大的泛化能力。iTransformer已在多种基准测试中表现优异，支持静态协变量和概率发射头。用户可通过pip安装，并使用项目提供的详细训练和评估脚本。更多信息请参阅官方论文。
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。
tsai - 专注于时间序列分析的深度学习库，支持分类、回归和预测任务。
GithubPytorchdeep learningfastaitime seriestsai开源项目
tsai是基于Pytorch和fastai的开源深度学习库，专注时间序列分析，涵盖分类、回归和预测等任务。支持多种模型和数据集，并提供详尽的教程。适用于Pytorch 2.0，安装简便，适合开发和前沿研究。
Time-Series-Analysis-with-Python-Cookbook - Python时间序列分析与预测实战指南
GithubPython开源项目数据科学时间序列分析机器学习预测
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。
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

稿定AI

稿定设计 是一个多功能的在线设计和创意平台，提供广泛的设计工具和资源，以满足不同用户的需求。从专业的图形设计师到普通用户，无论是进行图片处理、智能抠图、H5页面制作还是视频剪辑，稿定设计都能提供简单、高效的解决方案。该平台以其用户友好的界面和强大的功能集合，帮助用户轻松实现创意设计。

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