Project Icon

feature-engineering-for-time-series-forecasting

时间序列预测特征工程全面指南

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。

Nonstationary_Transformers - 创新时间序列预测方法应对非平稳数据
GithubNon-stationary Transformers开源项目时间序列预测模型架构注意力机制深度学习
Non-stationary Transformers项目开发了新型时间序列预测方法,采用系列平稳化和去平稳注意力机制处理非平稳数据。该方法在多个基准数据集上展现出优异性能,并能有效提升现有注意力模型的预测效果。项目开源了完整代码和实验脚本,为时间序列预测研究和应用提供了重要参考。
Deep_Learning_Machine_Learning_Stock - 深度学习和机器学习在股票市场预测中的应用
Github人工智能开源项目机器学习深度学习算法股票预测
本项目深入探讨了深度学习和机器学习在股票市场预测中的应用。从数据收集到模型训练,涵盖了算法选择、过拟合处理和性能优化等关键环节。项目融合了技术分析和基本面分析,并探讨了长短期预测策略。这是一个面向研究者和开发者的综合性资源,旨在展示人工智能在金融市场分析中的潜力。
UnsupervisedScalableRepresentationLearningTimeSeries - 多变量时间序列的无监督可扩展表示学习方法
GithubPyTorchUCR数据集UEA数据集开源项目无监督学习时间序列表示学习
UnsupervisedScalableRepresentationLearningTimeSeries项目提出了一种无监督可扩展表示学习方法,专门用于处理多变量时间序列数据。该方法基于三元组损失训练编码器,能够处理等长或不等长时间序列。项目提供了UCR和UEA数据集实验代码,包括迁移学习和稀疏标记实验。此外,还包含预训练模型和结果可视化工具。在多个基准数据集上,该方法展现出优秀的性能,为时间序列分析领域提供了创新解决方案。
scalecast - 功能全面的时间序列预测Python库
GithubPython库Scalecast开源项目数据可视化时间序列预测机器学习
Scalecast是一个功能全面的时间序列预测Python库。它提供统一的机器学习建模接口,支持LSTM、ARIMA等多种模型类型。该库集成了自动特征选择、超参数调优、模型堆叠等功能,并提供便捷的数据可视化工具。Scalecast致力于简化复杂的时间序列预测任务,适用于不同规模的预测项目。
applied-ml - 精选数据科学与机器学习应用案例研究和博客
Github开源项目推荐系统数据工程数据质量机器学习特征存储
通过精选的论文、文章和博客,学习企业如何实施数据科学与机器学习项目。了解不同公司对问题的定义、所采用的机器学习技术、背后的科学原理,以及所取得的商业成果,以便更好地评估投资回报。同时还包括最新的机器学习研究进展和实用指南。
financial-machine-learning - 金融机器学习资源汇总与实践指南
Github开源项目强化学习深度学习算法交易量化交易金融机器学习
这个项目收集了金融机器学习(FinML)领域的精选工具和应用。主要包括Python资源,涵盖深度学习、强化学习和股票预测模型等。此外还提供交易微服务系统和量化机器学习交易等实用内容。项目为金融科技领域的机器学习应用提供了全面的学习和参考资料。
Time-series-classification-and-clustering-with-Reservoir-Computing - 基于储层计算的时间序列分析框架
GithubReservoir Computing开源项目时间序列分类时间序列聚类机器学习神经网络
这个开源项目利用储层计算技术,实现了时间序列数据的分类、聚类和预测功能。它支持处理单变量和多变量时间序列,并提供了易用的Python库。项目包含多个功能模块、丰富的数据集和高级示例。其特有的储层模型空间表示方法在处理复杂时间序列任务时表现出色。
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。
CEEMDAN_LSTM - CEEMDAN与LSTM结合的时序预测模型
CEEMDAN_LSTMGithub开源项目数据分解时间序列预测神经网络金融预测
CEEMDAN_LSTM是一个Python模块,结合完整集成经验模态分解(CEEMDAN)和长短期记忆(LSTM)神经网络进行时序预测。该项目提供多种预测方法和评估工具,支持灵活的参数设置,适用于金融等领域的复杂时序数据分析。它简化了分解集成预测的实现过程,有助于研究人员和数据分析师快速构建和优化预测模型。CEEMDAN_LSTM支持多种预测方法,包括单一、集成、分别和混合预测等。它还提供了统计测试、热图绘制和DM测试等模型评估工具,有助于全面分析预测结果。
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。
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