tslearn

Python时间序列分析机器学习库

tslearn 时间序列分析机器学习 Python库数据预处理 Github 开源项目

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。

Github

介绍相关项目

machine-learning - 机器学习入门,掌握Python与数据分析

GithubMachine LearningPython开源项目数据分析深度学习统计

这个开源项目旨在帮助自学者系统地学习机器学习。内容涵盖Python基础、数据分析、数据可视化、数学和统计，以及机器学习和深度学习的多个在线课程和教程。通过推荐的YouTube视频、Coursera课程和开源项目，提供从基础到高级的学习资源，帮助学习者提升编程与数据分析能力，并逐步进入机器学习和深度学习的领域。

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。

imbalanced-learn - Python库解决机器学习不平衡数据问题

Githubimbalanced-learnscikit-learn开源项目数据不平衡机器学习重采样技术

imbalanced-learn是一个Python库，专门解决机器学习中的数据不平衡问题。它提供了多种重采样技术，如过采样、欠采样和组合方法，以获得更公平和稳健的模型。该库与scikit-learn完全兼容，使用简单，并提供详细文档和示例。作为scikit-learn-contrib项目的一部分，imbalanced-learn为数据科学家和机器学习工程师提供了处理不平衡数据集的有力工具。

machine-learning - 机器学习与数据科学教程，深度学习、模型部署与强化学习

Githubmachine-learning开源项目强化学习时间序列模型部署深度学习

本项目持续更新，介绍了数据科学和机器学习各个主题。内容涵盖深度学习、模型部署、运筹学和强化学习等，提供Jupyter Notebook格式教程，结合Python科学栈（如numpy、pandas）和开源库（如scikit-learn、TensorFlow、PyTorch）进行教学示范，平衡数学符号与实际应用。

tsa4 - 时间序列分析与应用的开源资源库

GithubPythonR语言astsa开源项目数据集时间序列分析

tsa4是一个综合性时间序列分析资源库，包含《Time Series Analysis and Its Applications》第四版的更新代码和astsa R包。项目提供errata列表、Python代码转换和数据集包，支持R和Python用户学习和应用时间序列分析。该资源库为研究者和实践者提供了丰富的工具和参考材料。详情请访问项目GitHub页面：https://github.com/nickpoison/tsa4

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。

pytimetk - 快速高效的Python时间序列分析库

GithubPython库pytimetk可视化开源项目数据处理时间序列分析

pytimetk是一个高效的Python时间序列分析库，通过简洁语法和优化计算简化了时间序列操作和可视化。相比pandas，它提供3-3500倍的速度提升，并减少代码复杂度。主要功能包括快速时间聚合、便捷绘图、日历特征提取和异常检测等。pytimetk适用于商业预测和科学研究，为时间序列分析提供了全面的解决方案。

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。

pydlm - 基于Python的贝叶斯时间序列建模库

GithubPyDLMPython库开源项目数据分析时间序列建模贝叶斯动态线性模型

pydlm是一个Python时间序列建模库，基于贝叶斯动态线性模型。它提供了快速的模型拟合和推断，包含趋势、季节性和动态回归等灵活组件。支持前向过滤、后向平滑和长期预测，并具有简洁的API。pydlm适用于构建复杂时间序列模型，进行数据分析和预测。

UniTS - 统一时间序列模型实现多领域任务处理

GithubUniTS多任务学习开源项目时间序列模型迁移学习零样本学习

UniTS是一种统一的时间序列模型，可处理多领域的分类、预测、插补和异常检测任务。该模型使用共享参数方法，无需任务特定模块，在38个多领域数据集上表现优异。UniTS具有零样本、少样本和提示学习能力，能适应新的数据领域和任务。其创新的统一网络主干融合了序列和变量注意力机制以及动态线性运算符，为时间序列分析提供了灵活的解决方案。

相关项目

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。

使用协议隐私政策广告服务

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