Time-Series-Library

开源深度学习时间序列分析工具库

TSLib为深度学习研究者提供了一个专业开源时间序列分析库，涵盖广泛的应用领域，如长短期预测、数据填充、异常检测和分类。本库提供清晰的代码基础，支持时间序列模型的评估与开发，包括最新的模型评估和深度时间序列研究成果。该工具适合科研和开发人员使用，以推动时间序列分析的未来研究与实践。

访问官网

Github

文档

论文

介绍相关项目

timesfm - 谷歌研究院开发的时间序列预测基础模型

GithubTimesFM基础模型开源项目时间序列预测深度学习

TimesFM是谷歌研究院开发的时间序列预测基础模型，支持多种时间频率的单变量预测。模型可处理最长512个时间点的上下文和任意长度的预测范围，提供简单的API接口支持数组和pandas输入。通过外部回归器库，TimesFM能处理静态和动态协变量。此外，该模型支持微调功能，允许用户在自有数据上优化性能。

feature-engineering-for-time-series-forecasting - 时间序列预测特征工程全面指南

GithubPython开源项目数据处理时间序列预测机器学习特征工程

该项目提供时间序列预测特征工程的全面指南，涵盖数据表格化、时间序列分解、缺失值处理和异常值检测等核心内容。深入介绍滞后特征、窗口特征、趋势和季节性特征的创建方法，以及日期时间和分类特征的处理技巧。通过实践代码和详细说明，旨在提升预测模型性能。

qlib - 开源AI量化投资平台

GithubQlib人工智能开源项目机器学习模型量化投资

Qlib是一个开源AI量化投资平台，利用AI技术赋能金融研究和价值创造。支持监督学习、市场动态建模和强化学习等多种机器学习模式，覆盖量化投资的全部流程，如alpha寻求、风险管理、投资组合构建及订单执行。平台不断更新，引入最新量化研究成果和论文。

TS-TCC - 创新的时间序列无监督表示学习方法

GithubIJCAI对比学习开源项目时间序列自监督学习表示学习

TS-TCC是一种无监督时间序列表示学习框架,利用时间和上下文对比从未标记数据中学习表示。该方法在多个真实数据集上表现优异,适用于少量标记数据和迁移学习场景。TS-TCC还扩展到半监督设置(CA-TCC),相关研究发表于IEEE TPAMI。这一方法为时间序列分析提供了有效的表示学习工具,推动了该领域的发展。

pyaf - Python开源库实现自动化时间序列预测

GithubPyAFPython开源项目时间序列预测机器学习自动化

PyAF是一个开源的Python自动预测库，基于NumPy、SciPy等流行数据科学模块构建。该库利用机器学习方法自动预测时间序列未来值，功能comparable于一些商业预测产品。它支持信号分解、外生数据和层次预测，提供简洁API和可定制建模过程。PyAF适用于Python 3.x，采用BSD 3-Clause许可证。PyAF可用于销售预测、股票走势分析、能源需求预测等多种时间序列预测任务。

nixtla - 精准的时间序列预测和异常检测，适用于多领域的生成式预训练模型

GithubTimeGPT开源项目异常检测时间序列零样本推理预测

TimeGPT是一款生成式预训练模型，专注于时间序列分析，支持零样本推断。该模型可应用于零售、电力、金融、物联网等多个领域，通过简洁的代码实现精准的预测与异常检测。TimeGPT提供灵活的API访问，兼容多种编程语言和平台。基于大规模数据集的训练，它在多种频率下的预测表现卓越，特别适合需要快速、精确时间序列分析的应用。

hctsa - MATLAB时间序列分析与特征提取工具包

Githubhctsa开源项目数据可视化时间序列分析机器学习特征提取

hctsa是一款功能强大的MATLAB时间序列分析工具包，专注于特征提取和比较分析。它能从单变量时间序列中提取大量特征，并提供多种分析工具。主要功能包括数据标准化、聚类、降维、特征识别和分类模型评估。该工具包适用于多领域的时间序列研究，能够深入挖掘数据特征，进行全面的比较分析。

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。

granite-timeseries-ttm-r2 - IBM开源轻量级模型TTM引领时间序列预测新方向

GithubHuggingfaceTinyTimeMixers多变量预测开源项目时间序列预测模型零样本学习预训练模型

IBM Research开源的TinyTimeMixers (TTM)模型仅需1M参数,就能在多变量时间序列预测中超越数十亿参数的基准。TTM支持零样本预测,也可用少量数据微调达到竞争性能。适用于分钟至小时级别的点预测,轻量快速,单GPU或笔记本即可运行。TTM为时间序列预测带来新方向,尤其适合资源受限环境。

AutoTS - 自动化时间序列预测工具

AutoTSGithubPython包开源项目数据分析时间序列预测自动机器学习

AutoTS是一个Python时间序列预测工具，专注于快速部署高精度预测模型。该工具在2023年M6预测竞赛中表现出色，支持多种预测模型和数据转换方法。AutoTS能够处理多变量输出和概率预测，通过自动机器学习寻找最佳模型组合。它适用于大规模数据集，提供横向和马赛克风格的集成方法，以及丰富的指标、交叉验证和数据处理功能。

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。

白日梦AI

白日梦AI提供专注于AI视频生成的多样化功能，包括文生视频、动态画面和形象生成等，帮助用户快速上手，创造专业级内容。

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。

讯飞绘镜

讯飞绘镜是一个支持从创意到完整视频创作的智能平台，用户可以快速生成视频素材并创作独特的音乐视频和故事。平台提供多样化的主题和精选作品，帮助用户探索创意灵感。

讯飞文书

讯飞文书依托讯飞星火大模型，为文书写作者提供从素材筹备到稿件撰写及审稿的全程支持。通过录音智记和以稿写稿等功能，满足事务性工作的高频需求，帮助撰稿人节省精力，提高效率，优化工作与生活。

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。

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