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

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。

timetk - R语言时间序列分析与可视化工具包

GithubR语言timetk开源项目数据可视化时间序列分析机器学习

timetk是一个功能丰富的R语言时间序列分析工具包。它提供数据可视化、处理和特征工程功能，支持交互式和静态绘图、时间序列机器学习、异常检测和聚类分析。与同类包相比，timetk功能更全面、易用性更高，可简化时间序列分析和预测建模流程。该包适用于需要高效处理和分析时间序列数据的研究人员和数据科学家。

scikit-learn-videos - 使用scikit-learn学习机器学习实践技能

GithubJupyter NotebookPythonscikit-learn开源项目数据科学机器学习

该项目通过10个scikit-learn视频教程和配套Jupyter notebook，系统讲解机器学习基础知识与实践技能。内容涵盖机器学习概念、Python环境配置、数据处理、模型训练评估、交叉验证和参数优化等。总时长4.5小时，并提供更新的免费在线课程，包含测验和证书，是入门scikit-learn的综合学习资源。

Time-Series-Works-Conferences - 全面的时间序列研究与预测资源集合

Github开源项目数据分析时间序列机器学习深度学习预测

这是一个汇集时间序列研究最新进展的资源库，整合了多领域的论文、代码和会议信息。项目涵盖多变量预测、概率预测、数据插补和异常检测等任务，提供详细的论文分类和方法总结。同时收录了相关数据集和开源代码，为时间序列研究提供全面的参考。

awesome-AI-for-time-series-papers - 时间序列分析领域的人工智能前沿研究与资源集锦

AIGithub开源项目数据挖掘时间序列机器学习深度学习

这是一个全面收录人工智能在时间序列分析(AI4TS)领域最新研究成果的资源库。项目汇集了顶级AI会议和期刊发表的论文、教程和综述，涉及时间序列、时空数据、事件数据等多个方面。资源库实时更新NeurIPS、ICML、KDD等重要会议的相关论文，为AI4TS领域的研究人员和工程师提供了丰富且及时的学术参考。

Ai-Learn - 人工智能学习材料，包括Python基础、机器学习、数据挖掘及深度学习

GithubPython人工智能开源项目数据分析机器学习深度学习

Ai-Learn提供全面的人工智能学习材料，包括Python基础、机器学习、数据挖掘及深度学习。项目通过200多个案例、数据集与教程，协助学习者高效学习与避免常见错误，适合各层次人士。

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。

kshape-python - 高效精准的时间序列聚类算法

Githubk-Shape开源项目数据挖掘无监督学习时间序列聚类机器学习

kshape-python是一种用于单变量和多变量时间序列聚类的高效无监督算法。该方法在ACM SIGMOD 2015会议上获得最佳论文奖，已在多个科学领域和知名企业中广泛应用。kshape-python在准确性和效率方面表现出色，在包含100多个数据集的基准测试中名列前茅。该项目提供CPU和GPU版本实现，可处理大规模时间序列数据。项目提供详细的安装说明、使用示例和基准测试结果，支持单变量和多变量时间序列数据，可在CPU或GPU上运行。该方法在UCR和UAE两个established benchmarks上进行了评估，展示了其在不同数据集上的性能。

pytorch-forecasting - 前沿的时间序列预测工具包，提供灵活的高层API

GithubPyTorch ForecastingPyTorch Lightning开源项目时间序列预测深度学习神经网络

PyTorch Forecasting 是一个基于 PyTorch 的时间序列预测包，适用于实际应用和研究。它支持多种神经网络架构及自动日志记录，利用 PyTorch Lightning 实现多 GPU/CPU 的扩展训练，并内置模型解释功能。关键特性包括时间序列数据集类、基本模型类、增强的神经网络架构、多视角时间序列指标和超参数优化。安装简便，支持 pip 和 conda，文档详尽，并包含模型比较和使用案例。

pyspi - 多变量时间序列成对交互统计分析Python库

GithubPython库pyspi多变量数据开源项目时间序列分析统计计算

pyspi是一个计算多变量时间序列数据成对交互统计的Python库。它包含数百种方法，涵盖从简单相关性到Granger因果关系等高级算法。该库适用于金融、神经影像等领域的时间序列分析。作为开源项目，pyspi致力于提供全面的时间序列分析工具，并鼓励社区参与开发。

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