tods

多变量时间序列的自动化异常检测系统

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。

访问官网

Github

文档

论文

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。

anomalib - 视觉异常检测算法开发与部署工具库

AnomalibGithubOpenVINO基准测试开源项目异常检测深度学习

Anomalib是一个专注于视觉异常检测的开源深度学习库。它提供多种先进算法实现，支持模型训练、推理、基准测试和超参数优化。该库基于Lightning框架开发，简化了代码结构，并支持模型导出为OpenVINO格式以加速推理。Anomalib还包含便捷的推理工具，方便用户快速部署异常检测模型。其模块化设计和完善的文档使其成为研究和应用视觉异常检测的理想工具。

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。

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。

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。

Data on Demand - 基于AI的智能数据分析与可视化平台

AI工具业务洞察人工智能决策支持可视化数据分析

Data on Demand是一个基于AI的智能数据分析平台，能从多种来源快速提取数据并进行深度分析。平台将复杂数据转化为直观图表，支持对话式实时洞察，减少对专业人员依赖。它可集成现有系统，提供预测分析、需求预测和库存优化等功能，帮助企业高效处理数据，提升决策速度和生产效率。

time-series-transformers-review - 时序数据建模中的Transformers技术综述

GithubTransformers分类开源项目异常检测时间序列预测

本项目专业整理了Transformers在时序数据建模中的资源，涵盖论文、代码和数据，全面总结其最新进展。内容持续更新，开放问题提交和拉取请求，覆盖时序预测、不规则时序建模、异常检测和分类等领域，适合学术研究及实际应用。

Awesome-SSL4TS - 自监督学习在时间序列分析中的应用资源

Github对比学习开源项目时间序列生成式方法自监督学习表示学习

这个项目汇总了时间序列数据自监督学习的最新研究资源,包括相关论文、代码和数据集。资源分为生成式和对比式两大类方法,涵盖了自回归预测、自编码重构、扩散模型生成、采样对比、预测对比和增强对比等技术。该资源列表为时间序列自监督学习研究提供了全面的参考材料。

alibi-detect - 专注异常值、对抗性和漂移检测的开源Python库

Alibi DetectGithub对抗检测开源项目异常检测机器学习监控漂移检测

alibi-detect是一个开源的异常值、对抗性和漂移检测Python库。它为表格数据、文本、图像和时间序列提供在线和离线检测器。库中包含多种算法,如用于异常检测的孤立森林、马氏距离和自编码器,以及用于漂移检测的KS检验和MMD。alibi-detect兼容TensorFlow和PyTorch,并具有内置预处理功能,可检测各种类型的数据漂移。

Observo.ai - AI可观测性平台助力优化数据管理效率

AI工具AI驱动Observo.ai可观察性安全运营数据优化

Observo.ai是一个创新的AI驱动可观测性平台，专门针对安全和DevOps团队的数据管理需求。平台通过智能数据优化和实时异常检测，帮助企业大幅削减安全和可观测性开支，同时显著提升事件处理效率。核心功能包括数据优化、异常识别和智能数据路由，并可与90多种数据源和目标无缝集成。Observo.ai重新定义了可观测性概念，为企业应对数据激增挑战提供了强有力的支持。

相关项目

推荐项目

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。

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。

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。

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。

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。

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。

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。

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。

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