点数信息
www.dssz.net
注册会员
|
设为首页
|
加入收藏夹
您好,欢迎光临本网站!
[请登录]
!
[注册会员]
!
首页
移动开发
云计算
大数据
数据库
游戏开发
人工智能
网络技术
区块链
操作系统
模糊查询
热门搜索:
源码
Android
整站
插件
识别
p2p
游戏
算法
更多...
在线客服QQ:632832888
当前位置:
资源下载
搜索资源 - 时间序列-源码
下载资源分类
移动开发
开发技术
课程资源
网络技术
操作系统
安全技术
数据库
行业
服务器应用
存储
信息化
考试认证
云计算
大数据
跨平台
音视频
游戏开发
人工智能
区块链
在结果中搜索
所属系统
Windows
Linux
FreeBSD
Unix
Dos
PalmOS
WinCE
SymbianOS
MacOS
Android
开发平台
Visual C
Visual.Net
Borland C
CBuilder
Dephi
gcc
VBA
LISP
IDL
VHDL
Matlab
MathCAD
Flash
Xcode
Android STU
LabVIEW
开发语言
C/C++
Pascal
ASM
Java
PHP
Basic/ASP
Perl
Python
VBScript
JavaScript
SQL
FoxBase
SHELL
E语言
OC/Swift
文件类型
源码
程序
CHM
PDF
PPT
WORD
Excel
Access
HTML
Text
资源分类
搜索资源列表
prophet:Ruby的时间序列预测-源码
先知 从移植到Ruby的时间序列预测 支持: 多个季节 线性和非线性增长 假期和特别活动 并优雅地处理丢失的数据 安装 将此行添加到您的应用程序的Gemfile中: gem 'prophet-rb' 简单的API 获取时间序列的未来预测 series = { Date . parse ( "2020-01-01" ) => 100 , Date . parse ( "2020-01-02" ) => 150 , Date . parse ( "2020-01-03" )
所属分类:
其它
发布日期:2021-03-19
文件大小:662528
提供者:
weixin_42160425
luminaire:Luminaire是一个python软件包,提供了ML驱动的解决方案来监视时间序列数据-源码
放手异常检测库 目录 什么是灯具 是一个python软件包,提供了ML驱动的解决方案来监视时间序列数据。 Luminaire提供了几种异常检测和预测功能,这些功能结合了相关和季节性模式以及数据随时间的不可控制的变化。 快速开始 使用pip从安装Luminaire pip install luminaire 在python中导入luminaire模块 import luminaire 请查阅中有关方法和用法的详细说明。 时间序列离群值检测工作流程 灯具异常值检测工作流程可分为3个主要部分: 数据
所属分类:
其它
发布日期:2021-03-19
文件大小:3145728
提供者:
weixin_42113456
pytorch-forecasting:使用PyTorch进行时间序列预测-源码
我们关于“ 文章介绍了该软件包,并提供了背景信息。 Pytorch Forecasting旨在通过神经网络简化实际案例和研究的最新时间序列预测。目标是为高级专业人员提供最大程度的灵活性,并为初学者提供合理的默认值的高级API。具体来说,该软件包提供了 一个时间序列数据集类,它抽象化处理变量转换,缺失值,随机子采样,多个历史记录长度等。 基本模型类,提供时间序列模型的基本训练,以及在张量板中的记录和通用可视化,例如实际与预测以及依存关系图 用于时间序列预测的多种神经网络体系结构已针对实际部署进行
所属分类:
其它
发布日期:2021-03-18
文件大小:3145728
提供者:
weixin_42097450
Time-Series-Forecasting:一些印度餐厅的时间序列预测-源码
时间序列预测 一些印度餐厅的时间序列预测
所属分类:
其它
发布日期:2021-03-18
文件大小:2097152
提供者:
weixin_42176612
automatic_hierarchical_forecaster:使用GP的自动分层时间序列预测-源码
automatic_hierarchical_forecaster 使用高斯过程的自动分层时间序列预测 请注意,automatic_hierarchical_forecaster的关键依赖项是PyMc3 ,这是一个依赖Theano的库。 主要特点 分层预测 用加性高斯过程建模的加性季节性,中期不规则性和噪声 用分层分段线性函数建模的趋势 拟合和绘图 与AVDI配合(可以定义迷你批) 旅游示例 预测澳大利亚旅游时间序列: import pandas as pd from libs . mode
所属分类:
其它
发布日期:2021-03-16
文件大小:1048576
提供者:
weixin_42178963
Univariate-Time-Series-Prediction-using-Deep-Learning:使用深度学习和PyTorch的单变量时间序列预测-源码
使用深度学习进行单变量时间序列预测 使用深度学习和PyTorch的单变量时间序列预测 0.简介 该存储库使用深度学习模型(包括DNN , CNN , RNN , LSTM , GRU ,递归LSTM和Attention LSTM)提供单变量时间序列预测。 使用的数据集是“设备能源预测数据集” ,可以在找到。 1.定量分析 根据下表,使用1D卷积层的CNN胜过其他模型。 模型 湄↓ MSE↓ RMSE↓ MPE↓ MAPE↓ R平方↑ DNN 31.0077 4039.9806
所属分类:
其它
发布日期:2021-03-13
文件大小:2097152
提供者:
weixin_42165490
my_data_analysis:数据挖掘案例-第十一章应用系统负载分析与磁盘容量预测的程序实现-时间序列分析-源码
my_data_analysis 数据挖掘案例-第十一章应用系统负载分析与磁盘容量预测的程序实现-时间序列分析
所属分类:
其它
发布日期:2021-03-11
文件大小:28672
提供者:
weixin_42108778
catchEmAll:R程序包可根据catch22,catchaMouse16和其他未来的减少冗余功能集计算时间序列特征-源码
catchEmAll 用于多个域的CAnonical时间序列CHaracteristics- R的实现,编写为一个包,用于从 , 和其他减少冗余的功能集计算时间序列特征。 安装 请注意此处的CRAN… 您还可以使用以下catchEmAll从GitHub安装catchEmAll : devtools :: install_github( " hendersontrent/catchEmAll " ) 动机 对时间数据进行高度比较的时间序列分析方法是数据驱动,领域不可知的一种观点。 该方法在很
所属分类:
其它
发布日期:2021-03-11
文件大小:79872
提供者:
weixin_42132056
darwins:西班牙AI和Darwinex(WIP)的时间序列竞赛-源码
时间序列比赛 通过SpainAI&Darwinex
所属分类:
其它
发布日期:2021-03-09
文件大小:7168
提供者:
weixin_42119866
firefly:Firefly是一个Web应用程序,旨在为Web开发人员提供功能强大,灵活的时间序列图-源码
萤火虫 Firefly是一个Web应用程序,旨在为Web开发人员提供功能强大,灵活的时间序列图。 Firefly提供了一个接口,用于从任意数量的服务器端数据存储中读取时间序列数据,并在Web浏览器中生成相应的实时图形。 多个度量可以合并为一个图,并且图在网格中合并在一起以形成仪表板-您可以使用该仪表板来获得服务的高级视图。 当前版本附带一个DataSource,该数据源读取RRD文件-特别是由Ganglia生成的文件。 但是,很容易扩展到其他来源,从内部关系数据库到跨网络API。 特征 折线
所属分类:
其它
发布日期:2021-03-06
文件大小:239616
提供者:
weixin_42134234
Group-40-Sweng:股票预测的时间序列分析-源码
Group-40-Sweng:股票预测的时间序列分析
所属分类:
其它
发布日期:2021-03-05
文件大小:1003520
提供者:
weixin_42144707
A_Yen_For_The_Future:日元的时间序列分析-源码
未来的日元 背景 大公司的财务部门通常在进行国际业务时处理外币交易。 结果,他们一直在寻找可以帮助他们更好地理解各种货币的未来方向和风险的任何东西。 对冲基金也对任何能使他们在预测货币走势方面保持一致优势的东西都非常感兴趣。 在此分析中,我将使用ARMA,ARIMA和GARCH模型测试我的数据,以便预测日元兑美元的未来汇率变动。 时间序列预测 以下内容已用于分析日元的历史数据: 时间序列预测线性回归建模 有待回答的问题 根据您的时间序列分析,您现在会购买日元吗? 日元的风险会增加还是减少?
所属分类:
其它
发布日期:2021-03-01
文件大小:7340032
提供者:
weixin_42127754
零售需求TSA:基于基于kaggle的在线零售发票在线数据集的时间序列分析-源码
零售需求预测 一家英国在线零售商的在线数据集的数据探索和预测。 包含大约12/2009-12/2011期间的发票数据。 数据探索 初始数据分析考虑了每日,每周和每月的销售量,同时还考虑了数据集的VWAP(体积加权平ASP格)。 最后,考虑了基于客户ID,国家/地区和产品类型的潜在影响者。 时间序列分析 每周和每月数据都适合一系列不同的预测模型。 解释12月季节性高峰的SARIMA模型具有最佳拟合和最合乎逻辑的预测:
所属分类:
其它
发布日期:2021-03-01
文件大小:31457280
提供者:
weixin_42104947
opentsdb:可扩展的分布式时间序列数据库-源码
opentsdb:可扩展的分布式时间序列数据库
所属分类:
其它
发布日期:2021-02-28
文件大小:1048576
提供者:
weixin_42131633
时间序列预测-源码
澳大利亚旅游数据集的时间序列和预测 对于这个项目,我一直在使用几种不同的算法,每种算法都有明确的解释: 数据集探索 数据预处理 时间序列分析 ARIMA的时间序列预测 先知的时间序列预测 LSTM样本外预测 LSTM对未来的一步一步预测 希望你能在学习的同时享受:)
所属分类:
其它
发布日期:2021-02-28
文件大小:1048576
提供者:
weixin_42168745
时间序列--GA-源码
时间序列--GA
所属分类:
其它
发布日期:2021-02-25
文件大小:793600
提供者:
weixin_42132352
时间序列分析-源码
“#时间序列分析” 对各种数据集进行时间序列数据分析。 本笔记本基于AIEngineering的时间序列教程( )编写
所属分类:
其它
发布日期:2021-02-24
文件大小:16777216
提供者:
weixin_42117032
时间序列分析-源码
时间序列分析 #执行项目的步骤 克隆存储库 在执行任何程序之前,a)在scr ipts目录中设置SPARK_HOME b)cd脚本->编辑spark-submit.sh 执行spark-submit shell脚本-cd脚本./spark-submit.sh 示例-#。/ spark-submit.sh /Users/ssood1/Desktop/Personal/Application/TimeSeriesAnalysis/data/input/DAT_XLSX_EURUSD_M1_
所属分类:
其它
发布日期:2021-02-22
文件大小:10485760
提供者:
weixin_42125826
TimeSeries:使用SARIMA和LSTM进行时间序列分析-源码
时间序列 预测2018年前六个月的建筑钢材价格。 调查了2008年至2017年钢铁的历史价格数据,以确定价格特征。 由于价格显示季节性,因此使用时间序列预测方法SARIMA(使用AutoARIMA软件包)进行了预测。 此外,还对钢筋,玻璃,混凝土和胶合板的价格进行了调查。 除了预测之外,还对价格执行异常检测。 使用PCA和K均值聚类确定异常。
所属分类:
其它
发布日期:2021-02-21
文件大小:1048576
提供者:
weixin_42117340
Unemployment_Time_Series:失业时间序列分析-源码
失业时间系列 失业的时间序列分析 这是我研究生院统计课程之一的项目。 使用R,我使用ARIMA模型和VaR模型预测了美国的失业率。 对于VaR模型,我使用了美国批准的建筑许可数量作为主要指标。
所属分类:
其它
发布日期:2021-02-21
文件大小:3072
提供者:
weixin_42118701
«
1
2
3
4
5
6
7
8
9
10
...
50
»