您好,欢迎光临本网站![请登录][注册会员]  

搜索资源列表

  1. solar-data-tools:一些用于处理历史光伏太阳能时间序列数据集的数据分析工具-源码

  2. 太阳能数据工具 用于执行太阳能光伏数据信号常见任务的工具。 这些任务包括查找数据集中的晴天,常用数据转换以及解决时间戳记问题。 这些工具被设计为自动的,几乎不需要用户任何输入。 还包括库以帮助进行数据IO和绘图。 在仅将测量功率作为输入的情况下,此存储库与“存储库之间紧密集成,后者提供了系统输出的“晴空模型”。 有关示例,请参见文件夹。 设置 建议:建立conda环境,提供.yml文件 2021年3月更新 我们建议设置一个新的Python虚拟环境以在其中使用solar-data-tools
  3. 所属分类:其它

  1. MTGNN-源码

  2. 神经网络 这是该论文的PyTorch实施:。 要求 该模型是使用Python3来实现的,其依赖关系在requirements.txt中指定 资料准备 多元时间序列数据集 从下载太阳能,交通,电力,汇率数据集。解压缩它们并将其移动到数据文件夹。 交通数据集 从提供的或下载METR-LA和PEMS-BAY数据集 。将它们移到数据文件夹中。 # Create data directories mkdir -p data/{METR-LA,PEMS-BAY} # METR-LA python gener
  3. 所属分类:其它

    • 发布日期:2021-03-19
    • 文件大小:59kb
    • 提供者:weixin_42098759
  1. predict_future_sales:Jupyter营地预测未来销售Kaggle竞争回购-源码

  2. 预报_未来_销售 这项挑战是“如何赢得数据科学竞赛” Coursera课程的最终项目。 在本竞赛中,您将使用具有挑战性的时间序列数据集,其中包括每日销售数据,该数据集由俄罗斯最大的软件公司之一-1C公司提供。 我们要求您预测下个月每个产品和商店的总销售额。通过解决这一竞争,您将能够应用和增强您的数据科学技能 系统会为您提供每日历史销售数据。任务是预测测试集在每个商店中售出的产品总数。请注意,商店和产品的清单每月都会略有变化。创建可以处理此类情况的可靠模型是挑战的一部分。 文件描述:sales_t
  3. 所属分类:其它

    • 发布日期:2021-03-19
    • 文件大小:508kb
    • 提供者:weixin_42128315
  1. pytorch-forecasting:使用PyTorch进行时间序列预测-源码

  2. 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
  3. 所属分类:其它

  1. SAS:PRO SQL,数据集,时间序列和预测方法-源码

  2. SAS PRO SQL,数据集,时间序列和预测方法
  3. 所属分类:其它

  1. Time-Series-analysis:非常有趣的时间序列机器学习模型-源码

  2. 时间序列分析 非常有趣的时间序列机器学习模型 这主要集中在使用表格数据集的时间序列分析上。 探索性数据分析(EDA)包含: 每日,每月和每年的销售额 使用Qunatile方法查找数据的异常值 平稳计算,自相关函数(ACF)和偏相关函数(PACF) 我用于时间序列分析的模型 ARIMA,SARIMAX 线性回归 随机森林回归 决策树回归器 梯度提升回归器 Ada Boost回归器 XG加速 K邻居回归器 支持向量回归 LSTM
  3. 所属分类:其它

    • 发布日期:2021-03-14
    • 文件大小:13mb
    • 提供者:weixin_42173205
  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:20mb
    • 提供者:weixin_42151729
  1. 时间序列数据集-源码

  2. #Time-Series-Datasets 所有数据集均取自Kaggle。 首先,我进行了一些数据探索和数据可视化,然后将数据分为训练和验证集。 其次,我使用了一些时间序列模型来预测数据。 使用的预测方法: -Naive -Simple Average -Moving Average -Simple Exponential Smoothing -Holt's Linear -Holt's Winter -ARIMA/SARIMA
  3. 所属分类:其它

  1. EEG_Eye_State_RNN:创建具有LSTM图层的RNN,以预测时间序列数据集(EEG)上的眼睛状态-源码

  2. EEG_Eye_State_RNN 使用LSTM图层创建RNN以预测时间序列数据集(EEG)上的眼睛状态。
  3. 所属分类:其它

    • 发布日期:2021-02-20
    • 文件大小:414kb
    • 提供者:weixin_42128963
  1. spark-timeseries:用于在Apache Spark上进行时间序列分析的库-源码

  2. Spark时间序列( spark-ts包) 一个Scala / Java / Python库,用于与Apache Spark上的时间序列数据进行交互。 向发布问题和评论,或将其直接通过发送至 。 注意:spark-ts库不再由我(Sandy)积极开发。 不幸的是,我不再有带宽来开发功能,回答邮件列表中的所有问题或解决所有已提交的错误。 就是说,我仍然很乐意审查拉取请求,并尽我所能来帮助其他人推进图书馆。 可在上找到文档。 或者查看 , 或 。 目的是提供 一组用于处理大型时间序列数据集
  3. 所属分类:其它

    • 发布日期:2021-02-20
    • 文件大小:213kb
    • 提供者:weixin_42136791
  1. 时间序列分析-能源数据:能源预测的不同时间序列模型的比较-源码

  2. 介绍 未来数据的预测在能源领域非常重要,因为有关未来消费和发电趋势的信息可以帮助规划电厂的运营。 该分析比较了各种模型进行时间序列预测,以确定哪种模型效果最好 数据 数据来自Kaggle: ://www.kaggle.com/robikscube/hourly-energy-consumption包含兆瓦(MW)中各种电力公司的能耗读数。 代顿数据集已用于此分析。 但是,最后将包含所有电力公司数据的主数据集用于实验模型。 数据探索 数据从2005年到2018年大约开始,并且每小时记录一次。 分
  3. 所属分类:其它

    • 发布日期:2021-02-17
    • 文件大小:467kb
    • 提供者:weixin_42118701
  1. covid-19-open-data:与COVID-19相关的每日时间序列数据的数据集,遍布世界20,000多个不同位置-源码

  2. COVID-19开放数据 该存储库包含与COVID-19相关的每日时间序列数据的数据集,这些数据遍及全球20,000多个不同位置。 在大多数地区,数据以州/省的空间分辨率为单位,在阿根廷,巴西,智利,哥伦比亚,捷克共和国,墨西哥,荷兰,秘鲁,英国和美国等许多国家,数据以县/市镇的分辨率为准。 所有区域均分配有唯一的位置密钥,该密钥可解决ISO / NUTS / FIPS代码等之间的差异。不同的聚合级别为: 0:国家 1:省,州或当地同等水平 2:市,县或当地同等水平 3:可能未遵循严格等级顺序
  3. 所属分类:其它

  1. covid-19:关于病例的新型冠状病毒2019时间序列数据-源码

  2. COVID-19数据集 冠状病毒病2019(COVID-19)时间序列列出已确诊的病例,报告的死亡和报告的康复情况。 数据按国家(有时是次区域)分类。 冠状病毒病(COVID-19)是由并已在全世界产生影响。 2020年3月11日,世界卫生组织(WHO)宣布这是一场大流行,指出当时全球110多个国家和地区的118,000多例冠状病毒病病例。 该数据集包括时间序列数据,这些数据跟踪了全球受COVID-19影响的人数,包括: 确诊的冠状病毒感染病例 据报告因冠状病毒而死亡的人数 据报从中康复的人
  3. 所属分类:其它

    • 发布日期:2021-02-05
    • 文件大小:16mb
    • 提供者:weixin_42170790
  1. holt-winters:作为示例,该存储库提供了对时间序列数据集的深入分析和预测,并总结了对Holt-Winter模型有更深入了解所需的数学概念。 它还包含使用brutlag算法进行时间序列异常检测的实现和分析-源码

  2. 霍尔特冬天的预报 目录 介绍 Holt-Winters预测是一种对值序列随时间(时间序列)的行为进行建模和预测的方法。 数学概述 在分析实时序列模型之前,让我们了解对主题有更深入了解所需的一些基本概念。 时间序列 时间序列是按顺序和时间顺序排列的一系列数字数据点。 通常,将x轴或索引作为时间,并将y轴或值表示相应x值的值。 时间序列方面 级别-典型值或平均值 趋势-该实例的坡度 季节性-周期性重复模式 指数平滑 在了解什么是指数平滑之前,让我们了解为什么需要它。 为什么要进行指数平滑? 时间序
  3. 所属分类:其它

    • 发布日期:2021-02-04
    • 文件大小:595kb
    • 提供者:weixin_42157166
  1. TimeSeriesClustering.jl:时间序列数据集的无监督学习方法的Julia实现。 它提供了用于聚类和聚合,检测主题以及量化时间序列数据集之间相似度的功能-源码

  2. TimeSeriesClustering.jl:时间序列数据集的无监督学习方法的Julia实现。 它提供了用于聚类和聚合,检测主题以及量化时间序列数据集之间相似度的功能
  3. 所属分类:其它

    • 发布日期:2021-02-04
    • 文件大小:30mb
    • 提供者:weixin_42127783
  1. 真棒TS异常检测:用于按时间序列数据进行异常检测的工具和数据集的列表-源码

  2. 真棒TS异常检测:用于按时间序列数据进行异常检测的工具和数据集的列表
  3. 所属分类:其它

  1. 运动感应:用于人类活动和属性识别的MotionSense数据集(由智能手机的传感器生成的时间序列数据:加速度计和陀螺仪)-源码

  2. MotionSense数据集 该数据集包括由加速度计和陀螺仪传感器生成的时间序列数据(高度,重力,用户加速度和rotationRate)。 使用其与iPhone 6s放在参与者的前袋中收集,该可从iOS设备上的框架收集信息。 所有数据以50Hz采样率采集。 共有24位不同性别,年龄,体重和身高的参与者在15个试验中在相同的环境和条件下进行了6项活动:楼下,楼上,步行,慢跑,坐着和站立。 借助该数据集,我们旨在在传感器数据的时间序列中查找个人属性指纹,即可以用于推断数据主体除其活动之外的性别或个性
  3. 所属分类:其它

    • 发布日期:2021-02-03
    • 文件大小:196mb
    • 提供者:weixin_42175971
  1. Covid-19分析:使用Covid-19数据进行分析-源码

  2. Covid-19分析/可视化 Covid跟踪项目数据可视化 “ COVID跟踪项目收集并发布了可用于美国各州和领地的最完整测试数据。主要媒体公司和机构已引用并使用了该数据。 笔记本 纽约时报数据集 随着时间的推移,《纽约时报》将发布一系列数据文件,其中包含美国在州和县一级累积的冠状病毒病例数。 他们正在收集来自州,地方政府和卫生部门的时间序列数据,以期提供正在进行的爆发的完整记录。 这是《纽约时报》 Github仓库: : 笔记本 中篇 这是我的中型文章: 简单的SEIR(敏感暴露传染恢复
  3. 所属分类:其它

  1. covidify:Covidify-python的电晕病毒报告和数据集生成器-源码

  2. 共同化 •••••• 产品特点 Covidify下载最新的数据以确认病例,死亡和康复。 创建时间序列数据集 创建每日统计数据集 预测全球和国家确诊病例 生成可视化 按国家筛选 列出所有受影响的国家 显示当前被感染的人数 生成包括以上所有内容的Excel报告 安装 pip install covidify 如何使用 $ covidify Usage: covidify [ OPTIONS ] COMMAND [ ARGS ]... :biohazard: COVIDIFY :biohaz
  3. 所属分类:其它

    • 发布日期:2021-01-31
    • 文件大小:57mb
    • 提供者:weixin_42131890
  1. questdb:旨在更快地处理时间序列数据的开放源SQL数据库-源码

  2. 什么是QuestDB QuestDB是用于时间序列数据的高性能开源SQL数据库。 它使用面向列的方法,大量并行向量化执行,SIMD指令以及一系列低延迟技术。 整个代码库都是从头开始构建的,没有依赖关系,并且100%没有垃圾回收。 QuestDB实现了SQL,并使用本机扩展对其进行了时间序列扩展。 它公开了PostgreSQL有线协议,高性能REST API,并支持InfluxDB Line Protocol的提取。 QuestDB使用具有免维护方案的关系模型。 关系和时间序列联接使随时间推
  3. 所属分类:其它

« 12 3 4 5 6 7 8 9 10 »