MatrixProfile
MatrixProfile是Matrix Profile Foundation为您提供的Python 3库，用于挖掘时间序列数据。 Matrix Profile是一种新颖的数据结构，具有由UC-Riverside的Keogh和Mueen研究小组和新墨西哥大学开发的相应算法（踩踏，体制，主题等）。 该库的目的是通过标准化核心概念，简化的API和合理的默认参数值，使新手和专家都可以使用这些算法。
除了此Python库之外，Matrix Profile Foundation还提供了其他语言的实现。 这些语言具有相当一致的API，使您可以轻松地在它们之间进行切换，而无需花费大量学习时间。
tsmp -R实现
go-matrixprofile -Golang实现
Python支持
当前，我们支持以下版本的Python：
3.5
3.6
3.7
3.8
3
2021-10-29 18:50:30
4.38MB
1
先知是一种用于基于附加模型预测时间序列数据的过程，其中非线性趋势与每年，每周和每天的季节性以及假期效应相吻合。 它最适合具有强烈季节性影响和多个季节历史数据的时间序列。 先知对于丢失数据和趋势变化具有较强的鲁棒性，并且通常可以很好地处理异常值。 先知在Facebook的许多应用程序中用于生成可靠的计划和目标设定预测。 我们发现，在大多数情况下，它的性能要优于其他任何方法。 我们在Stan中拟合模型，以便您在几秒钟内获得预测。 无需人工即可获得有关杂乱数据的合理预测。 先知对异常值，丢失的数据以及时间序列中的急剧变化具有鲁棒性。
2021-10-16 00:10:34
11.56MB
1
使用tslearn的示例代码。
目的：对波形数据或时间序列数据进行聚类。
tslearn是基于python的机器学习库之一。
tslearn： :
用日语。
使用KShape算法对样本数据执行波形聚类。
必须为算法指定簇数作为参数。这次，我预先检查了数据，并知道有2个类，因此我设置了n_clusters=2 。
有几种检查簇数的方法，但是这次我们使用弯头法进行检查。
其他可能的方法如下。
BIC / AIC
GAP方法
轮廓法
肘法
2021-10-15 12:19:35
130KB
1
带火炬的递归神经网络
有几种模型，例如RNN，LSTM，GRU和双向LSTM / GRU。 我的一个项目与使用LSTM，GRU等从每日天气温度预测数据获得的时间序列数据有关。
数据集下载链接
减少上传文件的容量。 这是所需数据集的下载链接：
2021-10-14 20:32:26
6.33MB
1