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]！  

搜索资源列表

  1. Python-STUMPY是一个功能强大且可扩展的Python库可用于各种时间序列数据挖掘任务

  2. STUMPY是一个功能强大且可扩展的Python库，可用于各种时间序列数据挖掘任务

  3. 所属分类：其它

    • 发布日期：2019-08-10
    • 文件大小：16777216
    • 提供者：weixin_39840588

  1. Python如何根据时间序列数据作图

  2. 主要介绍了Python如何根据时间序列数据作图,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下

  3. 所属分类：其它

    • 发布日期：2020-09-16
    • 文件大小：135168
    • 提供者：weixin_38592848

  1. python时间序列数据转为timestamp格式的方法

  2. 主要介绍了python时间序列数据转为timestamp格式的方法，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧

  3. 所属分类：其它

    • 发布日期：2020-09-16
    • 文件大小：49152
    • 提供者：weixin_38665775

  1. Python如何根据时间序列数据作图

  2. 本例子程序展示了长白山火山气体地球化学2002年观测数据中CO2和He两种气体元素深度的时间序列。程序中用到了常用的时间序列python数据处理方法，箭头标识方法，适合学习基本python作图学习使用。程序中所用到的no09.csv数据样式如下： 代码如下 import pandas as pd import matplotlib.pyplot as plt import datetime df = pd.read_csv('no09.csv') t = df.iloc[0:200, 0]

  3. 所属分类：其它

    • 发布日期：2020-12-17
    • 文件大小：36864
    • 提供者：weixin_38551376

  1. python时间序列数据转为timestamp格式的方法

  2. 在此记录自己学习python数据分析过程中学到的一些数据处理的小技巧。 1.数据的读取 #导入numpy库和pandas库 import numpy as np import pandas as pd #读取待处理的数据 #file_path为文件路径名，sheet_name为需要读取的excel数据页 data=pd.read_excel(file_path,sheet_name) #显示数据前5行 data.head() 数据读取的结果： 由读取结果可以看出，时间序列数据并不规范，需

  3. 所属分类：其它

    • 发布日期：2020-12-17
    • 文件大小：49152
    • 提供者：weixin_38715019

  1. Python时间序列缺失值的处理方法（日期缺失填充）

  2. 前言 因近期进行时间序列分析时遇到了数据预处理中的缺失值处理问题，其中日期缺失和填充在网上没有找到较好较全资料，耗费了我一晚上工作时间，所以下面我对这次时间序列缺失值处理学习做了以下小结以供之后同行们参考指正。 时间序列缺失值处理 一、编程前准备 收集时间序列数据，相信看这篇博客的各位已经完成了这步。 需要安装pandas模块，并利用Python的Lib文件夹自带的datetime库（当时我因为在Pycharm环境中没看到datetime模块又去安装了DateTime模块并看了DateTi

  3. 所属分类：其它

    • 发布日期：2020-12-25
    • 文件大小：57344
    • 提供者：weixin_38678406

  1. Python时间序列–滑动窗口（三）

  2. 滑动窗口 滑动窗口就是能够根据指定的单位长度来框住时间序列，从而计算框内的统计指标。相当于一个长度指定的滑块正在刻度尺上面滑动，每滑动一个单位即可反馈滑块内的数据。 滑动窗口的意义 为了提升数据的准确性，将某个点的取值扩大到包含这个点的一段区间，用区间来进行判断，这个区间就是窗口。例如想使用2020年1月1日的一个数据，单取这个时间点的数据当然是可行的，但是太过绝对，有没有更好的办法呢？可以选取2019年12月16日到2020年1月15日，通过求均值来评估1月1日这个点的值，2019-12-16

  3. 所属分类：其它

    • 发布日期：2020-12-21
    • 文件大小：51200
    • 提供者：weixin_38502292

  1. Python时间序列处理之ARIMA模型的使用讲解

  2. ARIMA模型 ARIMA模型的全称是自回归移动平均模型，是用来预测时间序列的一种常用的统计模型，一般记作ARIMA(p,d,q)。 ARIMA的适应情况 ARIMA模型相对来说比较简单易用。在应用ARIMA模型时，要保证以下几点： 时间序列数据是相对稳定的，总体基本不存在一定的上升或者下降趋势，如果不稳定可以通过差分的方式来使其变稳定。 非线性关系处理不好，只能处理线性关系 判断时序数据稳定 基本判断方法：稳定的数据，总体上是没有上升和下降的趋势的，是没有周期性的，方差趋向于一个稳定的

  3. 所属分类：其它

    • 发布日期：2021-01-01
    • 文件大小：67584
    • 提供者：weixin_38733333

  1. 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

  2. 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

  3. 所属分类：其它

    • 发布日期：2021-03-19
    • 文件大小：3145728
    • 提供者：weixin_42113456

  1. ComplexNetworks:用于创建复杂的地理空间时间序列数据网络的python库-此处为气候科学示例-源码

  2. 复杂网络 用于创建复杂的地理空间时间序列数据网络的python库-此处为气候科学示例

  3. 所属分类：其它

    • 发布日期：2021-03-10
    • 文件大小：3072
    • 提供者：weixin_42135753

  1. pyddsde:用于分析随机时间序列数据的软件包-源码

  2. pyddsde 一个从数据派生SDE的包。 pyddsde是实现数据驱动SDE方法的python软件包。 pyddsde提供了一个界面，该界面将时间序列数据作为输入，运行分析并返回一个输出对象，通过该对象可以系统地显示和保存数据和分析结果。 假设m（t）是SDE时间序列数据。 该软件包计算dm / dt的确定性（漂移）和随机（扩散）分量。 此数据驱动的SDE方法基于以下假设：时间序列中的噪声是不相关的，并且本质上是高斯型，均值和单位方差为零。 pyddsde从数据中提取噪声，并检查其

  3. 所属分类：其它

    • 发布日期：2021-03-10
    • 文件大小：23068672
    • 提供者：weixin_42097914

  1. msda:多维时间序列数据分析，无监督特征选择，无监督异常检测和可解释的AI-源码

  2. 概述 基于高异质/均匀时间序列多传感器数据的实时异常检测的无监督特征选择和/或无监督深度卷积神经网络和lstm自动编码器的原型。 内置时间序列预测器的可解释AI原型。 无监督特征选择的直观表示如下所示。 无监督实时点异常检测的直观表示如下所示。 从当地的解释，全球理解与解释的AI树木-从这里动机- ，图片来源-https: MSDA 1.0.8 什么是MDSA？ MSDA是Python中的开源low-code多传感器数据分析库，旨在在时序多传感器数据分析和实验中将假设减少到洞察周期

  3. 所属分类：其它

    • 发布日期：2021-03-06
    • 文件大小：6291456
    • 提供者：weixin_42143806

  1. tsdat：时间序列数据实用程序，用于将标准化，质量控制和转换声明性地应用于数据流-源码

  2. 时间序列数据库 该库提供了用于处理时间序列数据集的通用实用程序方法，这些时间序列数据集存储为Xarray数据集对象。 特别是，它将为整体上标准化，应用Q / C检查，更正和转换数据流提供声明性方法，从而减少数据处理所需的编码量。 安装 该库取决于将用于绘图和数据标准化的ARM ACT库。 您可以通过pip安装它，但是在Windows上存在问题，因为某些依赖项需要构建C代码。 通过Anaconda安装环境更加容易，这将在下面进行介绍。 如果您不想使用Anaconda，则可以通过以下方式安装tsda

  3. 所属分类：其它

    • 发布日期：2021-03-04
    • 文件大小：20971520
    • 提供者：weixin_42151729

  1. kairos：用于Redis和Mongo中时间序列数据的Python模块-源码

  2. Kairos-时间序列数据存储 版本： 0.10.1 下载： 来源： 关键字： python，redis，mongo，sql，mysql，sqlite，postgresql，cassandra，timeseries，rrd，gevent，统计信息 Kairos使用Redis，Mongo，SQL或Cassandra后端提供时间序列存储。 Kairos旨在在需要其他数据存储的规模和灵活性的情况下取代RRD和Whisper。 它与一起并且是构建的库。 建议用于python 2.7及更高版本

  3. 所属分类：其它

    • 发布日期：2021-02-26
    • 文件大小：60416
    • 提供者：weixin_42102634

  1. Time_Series_Data_Analysis：基于Udemy“用于时间序列数据分析的Python”的时间序列数据分析-源码

  2. Time_Series_Data_Analysis 基于Udemy的“时间序列数据分析Python”进行时间序列数据分析

  3. 所属分类：其它

    • 发布日期：2021-02-09
    • 文件大小：3145728
    • 提供者：weixin_42097914

  1. 笨拙：STUMPY是一个功能强大且可扩展的Python库，用于计算矩阵概要文件，可用于各种时间序列数据挖掘任务-源码

  2. 笨拙：STUMPY是一个功能强大且可扩展的Python库，用于计算矩阵概要文件，可用于各种时间序列数据挖掘任务

  3. 所属分类：其它

    • 发布日期：2021-02-05
    • 文件大小：66060288
    • 提供者：weixin_42125867

  1. 先知：用于为具有多个季节性且线性或非线性增长的时间序列数据生成高质量预测的工具-源码

  2. 先知：自动预报程序 先知是一种基于加性模型预测时间序列数据的过程，其中非线性趋势与年，周和日的季节性变化以及假日效应相吻合。 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，并且通常能够很好地处理异常值。 Prophet是Facebook发布的。 可以在和上下载。 重要连结 主页： ： HTML文档： ： 问题追踪器： : 源代码存储库： : 贡献者： : 先知R包： : 先知Python包： : 发布博客文

  3. 所属分类：其它

    • 发布日期：2021-02-05
    • 文件大小：11534336
    • 提供者：weixin_42165583

  1. tslearn：专门用于时间序列数据的机器学习工具包-源码

  2. tslearn 用于Python时间序列分析的机器学习工具包 部分 描述 安装依赖项和tslearn 关于如何使用tslearn的快速介绍 tslearn功能的广泛概述 指向我们的API参考的链接和示例库 愿意贡献英雄的指南 tslearn对学术文章的引用 安装 有多种安装tslearn的替代方法： PyPi的： python -m pip install tslearn Conda： conda install -c conda-forge tslearn Git： python -

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：2097152
    • 提供者：weixin_42133452

  1. pmdarima：一个统计库，旨在填补Python时间序列分析功能中的空白，包括R的auto.arima函数的等效项-源码

  2. pmdarima Pmdarima（最初为pyramid-arima ，表示“ py” +“ arima”）是一个统计库，旨在填补Python时间序列分析功能中的空白。 这包括： 相当于R的功能 平稳性和季节性统计检验的集合 时间序列实用程序，例如微分和逆微分 大量内生和外生的变形器和特征器，包括Box-Cox和Fourier转换 季节性时间序列分解 交叉验证实用程序 丰富的内置时间序列数据集，用于原型制作和示例 Scikit学习式管道可整合您的估算器并促进生产 Pmdarima在内部隐藏了

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：1048576
    • 提供者：weixin_42160376

  1. opentick：用于金融时间序列数据的快速报价数据库，基于带有简化SQL层的FoundationDB构建-源码

  2. OpenTick OpenTick是用于财务时间序列数据的快速报价数据库，它建立在具有简化SQL层。 特征： 内置价格调整支持 纳秒级支持 Python，C ++和Go SDK 同步和异步查询 隐式SQL语句准备 权限控制，检查中的相关功能，默认情况下处于关闭状态 快取 在Ubuntu上安装 您需要使用具有模块支持的Go> = 1.11 。 sudo apt install -y python wget https://www.foundationdb.org/downloads/

  3. 所属分类：其它

    • 发布日期：2021-01-30
    • 文件大小：183296
    • 提供者：weixin_42144707
« 12 3 4 5 6 7 8 9 10 ... 15 »