Project Icon

tslearn

Python时间序列分析机器学习库

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。

gluonts - 基于深度学习的概率时间序列建模工具包
GithubGluonTSPython开源项目时间序列预测概率模型深度学习
GluonTS是一个基于Python的时间序列建模库,专注于采用深度学习方法进行概率预测。支持多种深度学习框架,包括PyTorch和MXNet,提供易于安装和使用的特性。适用于多种应用场景,如商业分析和数据科学。由一个积极的开源社区维护和发展。
tspiral - 优化时间序列预测的Python工具包
GithubPython包scikit-learntspiral开源项目时间序列预测机器学习
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。
ttslearn - 音声合成的学习与实践必备Python库
GithubPythonttslearn学習済みモデル开源项目日本語TTS音声合成
ttslearn是一个基于Python的开源音声合成库,支持JSUT和JVS等多种数据集,提供多种音声合成技术实现。其丰富的示例和详尽的文档支持,使其成为学术研究和项目实践中音声合成学习的优选资源。
tsfel - 多领域时间序列特征提取Python库
GithubPython库TSFEL开源项目数据分析时间序列特征提取
TSFEL是一个开源的Python库,专门用于时间序列特征提取。该库提供超过65种特征,覆盖统计、时间、频谱和分形等多个领域。TSFEL支持在线和离线使用,具有用户友好的界面和完整的文档。它注重计算效率,并提供复杂度评估功能。TSFEL的设计易于扩展,支持添加自定义特征。这个库适用于研究人员和数据科学家,能够简化时间序列特征提取的过程。
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。
HyperTS - 全面的时间序列分析工具包 支持多任务和多模式分析
GithubHyperTS开源项目异常检测时间序列分析自动机器学习预测
HyperTS是一款全面的时间序列分析工具包,集成了统计模型、深度学习和神经架构搜索。它支持预测、分类、回归和异常检测等多种任务,适用于复杂的时间序列分析场景。该工具包提供多变量和协变量支持,概率区间预测,以及丰富的预处理、评估指标和搜索策略。HyperTS简单易用,为时间序列分析提供了端到端的自动化解决方案。
tsmoothie - Python时间序列平滑和异常检测库
BootstrapGithubtsmoothie平滑处理开源项目异常检测时间序列
tsmoothie是一个Python库,专门用于时间序列平滑和异常检测。它提供多种平滑技术,包括指数平滑、卷积平滑和谱平滑等,能高效处理单个或多个时间序列。该库支持计算置信区间,便于识别异常值,并实现了滑动窗口平滑和时间序列bootstrap功能。tsmoothie适用于各类时间序列分析任务,是数据科学家和分析师的有力工具。
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。
pytorch-ts - 概率时间序列预测开源框架
GithubPyTorchPyTorchTS开源项目时间序列预测概率模型深度学习
PyTorchTS是一个基于PyTorch的开源时间序列预测框架,利用GluonTS作为后端API。它提供先进的概率模型,支持数据处理和回测。该框架适用于单变量和多变量时间序列预测,安装简便,易于使用。PyTorchTS为数据科学家和研究人员提供了高效的时间序列分析工具。
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。
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

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。

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