Project Icon

tspiral

优化时间序列预测的Python工具包

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。

tpot - 基于遗传算法的自动机器学习管道优化工具
GithubTPOT开源项目机器学习管道优化自动化遗传算法
TPOT是一个开源的自动机器学习工具,基于Python开发。它采用遗传算法来优化机器学习管道,能够自动探索大量可能的管道组合,为给定数据集找到最佳模型。TPOT构建于scikit-learn之上,可生成易读易修改的Python代码。该工具支持分类和回归任务,适用于多种数据科学场景,能够有效减少数据科学家在模型选择和参数调优上的时间投入。
scikit-learn-ts - Node.js环境下的Python机器学习库集成方案
GithubNode.jsPythonTypeScriptscikit-learn-ts开源项目机器学习
scikit-learn-ts项目为Node.js开发者提供了使用Python scikit-learn机器学习库的便捷方式。该项目自动生成257个TypeScript类,涵盖KMeans、TSNE和PCA等算法,性能优于纯JavaScript实现。适用于本地开发环境,配有详细文档和示例,简化了Node.js中的机器学习应用。
PaddleTS - 基于飞桨的开源时序分析库 提供全面深度学习模型
GithubPaddlePaddlePaddleTSPython库开源项目时序建模深度学习
PaddleTS是基于飞桨框架的时序建模库,专注深度学习模型。它提供统一数据结构和基础功能封装,内置多种先进模型和数据转换工具。支持自动调优、第三方集成、GPU加速和集成学习。涵盖预测、表征、异常检测等任务,为时序分析提供全面解决方案。
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。
chronos-t5-mini - 开源时间序列预测模型实现高效概率预测
Chronos-T5GithubHuggingface开源项目时间序列预测概率预测模型语言模型预训练模型
Chronos-T5-Mini是基于T5架构开发的时间序列预测模型,参数规模为2000万。模型通过将时间序列转换为token序列进行训练,采用多轨迹采样方式实现概率预测。模型在公开时间序列数据集和高斯过程生成的合成数据上完成预训练,采用4096大小的词汇表,相比原始T5模型显著降低了参数量同时保持了预测性能。
temporian - 高效可靠的时间数据预处理库
GithubPython库Temporian开源项目数据预处理时间数据处理特征工程
Temporian是一个专注于时间序列分析和数据预处理的Python库。它支持多种时间数据类型,包括多变量时间序列、事件日志和跨源事件流。经过优化,Temporian在处理时间数据时的效率可达常规库的1000倍。此外,它还提供了防止数据泄露的功能,并能与现有机器学习生态系统无缝集成,为时间数据处理提供了高效可靠的解决方案。
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。
chronos-t5-tiny - 轻量级时间序列预测模型 基于T5架构设计
Chronos-T5GithubHuggingface开源项目时间序列预测概率预测模型语言模型架构预训练模型
Chronos-T5-Tiny是一款轻量级时间序列预测模型,基于T5架构设计。该模型将时间序列转换为token序列进行训练,能够生成概率性预测并支持多轨迹采样。与原始T5相比,Chronos-T5-Tiny仅使用4096个不同token,参数量减少至800万,更加精简高效。研究人员和开发者可通过简洁的Python接口快速应用此模型进行时间序列分析。
tsfeatures - 高效提取时间序列特征的R工具包
GithubR包tsfeatures开源项目数据分析时间序列特征提取
tsfeatures是一个R包,专门用于从时间序列数据中提取多种特征。它能分析趋势、季节性、线性度等,并处理不同频率和周期的时间序列。该包输出易于理解的特征指标,适用于时间序列分析、预测和分类等领域。tsfeatures可通过CRAN安装,支持多种时间序列特征提取方法,使用简单灵活。
timetk - R语言时间序列分析与可视化工具包
GithubR语言timetk开源项目数据可视化时间序列分析机器学习
timetk是一个功能丰富的R语言时间序列分析工具包。它提供数据可视化、处理和特征工程功能,支持交互式和静态绘图、时间序列机器学习、异常检测和聚类分析。与同类包相比,timetk功能更全面、易用性更高,可简化时间序列分析和预测建模流程。该包适用于需要高效处理和分析时间序列数据的研究人员和数据科学家。
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。

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