Time Series Library (TSLib)开源项目 – 深度学习时序分析开源库

TSLib 是一个专为深度学习研究者设计的时序分析开源库，支持长短期预测、数据补全、异常检测和分类等任务。它提供了多种先进的深度学习模型，并鼓励研究者通过排行榜功能提交和比较新模型。TSLib 提供了一个简洁的代码库，用于评估先进的深度时序模型或开发新模型，涵盖了五个主流任务：长短期预测、数据补全、异常检测和分类。此外，TSLib 还包含了最新的时序模型，如 TimeXer、Mamba 等，并提供了详细的教程和排行榜功能，帮助研究者快速上手和比较模型性能。

Time Series Library (TSLib)的特点:

1. 支持多种时序分析任务：长短期预测、数据补全、异常检测和分类
2. 提供多种先进的深度学习模型，如 TimeXer、Mamba、TimesNet 等
3. 包含详细的教程和排行榜功能，帮助研究者快速上手和比较模型性能
4. 支持模型开发和提交，鼓励研究者贡献新模型
5. 提供预处理的数据集和实验脚本，便于复现实验结果

Time Series Library (TSLib)的功能:

1. 安装 Python 3.8 并执行 `pip install -r requirements.txt` 安装依赖
2. 从 Google Drive 或 Baidu Drive 下载预处理的数据集并放置在 `./dataset` 文件夹中
3. 使用提供的脚本进行模型训练和评估，如 `bash ./scripts/long_term_forecast/ETT_script/TimesNet_ETTh1.sh`
4. 开发自己的模型，将模型文件添加到 `./models` 文件夹并在 `Exp_Basic.model_dict` 中注册
5. 通过排行榜功能提交和比较新模型

相关导航

faiss开源项目 – 高效向量相似性搜索与聚类库

FAISS是一个高效的开源库，专注于相似性搜索和聚类，广泛应用于向量数据库和大规模数据检索。它支持多种索引类型和内存优化，能够在内存受限的环境下高效运行。FAISS完全开源，支持社区贡献和定制化开发，广泛应用于推荐系统、图像搜索、自然语言处理等领域。

tsai开源项目 – 深度学习时序处理库

tsai是一个基于Pytorch和fastai的深度学习库，专注于时间序列和序列数据的处理。它提供了多种先进的深度学习模型和预训练工具，支持时间序列分类、回归、预测等任务。tsai易于集成和使用，适合快速实验和模型调优，是处理时间序列数据的理想选择。

Awesome Self-Supervised Learning for Time Series (SSL4TS) – 时间序列自监督学习资源大全

这是一个专业整理的时间序列自监督学习（SSL4TS）资源列表，涵盖了相关论文、代码、数据集等。该项目旨在为研究者和开发者提供全面的资源支持，帮助他们深入了解和应用自监督学习技术在时间序列数据上的最新进展。

sktime开源项目 – 用于时间序列分析的Python库

sktime 是 Python 中用于时间序列分析的库。它为多个时间序列学习任务提供了一个统一的界面，包括时间序列分类、回归、聚类、注释和预测。

conformal-time-series开源项目 – 时间序列预测的置信区间生成工具

Conformal-time-series 是一个专门为时间序列数据设计的工具，它结合了保形预测（conformal prediction）技术和PID控制方法，用于生成时间序列预测的置信区间。该项目不仅提供了对时间序列预测模型的不确定性量化支持，还能与现有的时间序列预测流程无缝集成，适用于多种时间序列预测模型。

Anomalo官网 – 确保数据准确性的AI工具

Anomalo是一款前沿的AI工具，旨在确保数据的完整性和准确性。它通过检测异常、验证数据质量和简化数据准备过程，成为企业利用数据驱动决策的重要资产。Anomalo运用强大的机器学习算法，不仅识别数据不一致，还提出纠正措施，从而提升数据的健康性和可靠性。

Augurs开源项目 – 高效的时间序列分析工具

基于Rust语言的时间序列分析工具，能帮开发者进行高效的时间序列数据预测、异常检测、聚类等操作，其核心价值在于提供强大的数据处理能力和跨语言的便捷性

ARRTIFICIAL官网 – 强大的人工智能数据分析平台

ARRTIFICIAL是一个强大的人工智能平台，利用先进的机器学习和深度学习算法，实现数据分析和预测建模的自动化。用户只需上传数据，选择所需的算法和参数，平台便可自动分析和建模。

snowBrain官网 – AI驱动的雪花数据分析平台

snowBrain 是一个基于AI的平台，专注于对雪花数据进行分析和提取有价值的信息。它利用先进的AI算法，为用户提供深刻的数据洞察，帮助企业更好地理解和利用其雪花数据。

Power BI AI Lens官网 – 将人工智能融入Power BI报告

Power BI AI Lens是一个功能强大的工具，允许用户直接在Power BI报告中结合人工智能。它提供了多种工具和功能，利用AI能力提升数据分析，用户可以使用预构建的AI模型或创建自定义模型，生成直观的可视化和见解。

LazyProphet开源项目 – 简化时间序列预测的库

LazyProphet 是一个基于 LightGBM 的时间序列预测库，旨在简化和增强时间序列预测的过程。它通过最小化配置要求，使得时间序列建模变得更加容易，同时支持处理缺失数据和异常值。LazyProphet 提供了易于使用的接口，用于快速模型训练和预测，并且针对大数据集进行了性能优化。

Metaplane官网 – 现代数据团队的数据可观察性平台

Metaplane是一个复杂的数据可观察性平台，旨在为现代数据团队提供全面的功能，以有效监控、检测异常和管理数据管道。通过专注于主动事件管理和实时数据质量洞察，Metaplane解决了数据完整性和性能的复杂性，是依赖于准确和可靠数据的企业不可或缺的工具。

Legaliser官网 – AI驱动的合同分析与起草平台

Legaliser是一个利用法律AI技术的合同分析和起草平台，旨在帮助个人和企业更好地理解和管理合同，简化法律任务，提高效率，使法律服务对专业人士和公众更加可及。

Time-LLM开源项目 – 通用时间序列预测的重新编程框架

Time-LLM 是一个重新编程框架，用于将大型语言模型（LLMs）重新用于通用的时间序列预测，同时保持其骨干语言模型的完整性。

xLSTM-7B开源项目 – 扩展LSTM模型，高效推理

xLSTM-7B是一种扩展的LSTM模型架构，通过引入Exponential Gating和Matrix Memory等技术，克服了传统LSTM的局限性。相较于Transformer架构，xLSTM-7B在推理速度和参数效率方面表现出显著优势，适用于多种序列数据处理任务。

暂无评论

暂无评论...