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. 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

  1. data-science-adventures:探索性数据科学项目-源码

  2. 数据科学历险记 该存储库包含探索性数据科学项目，目的是记录我的学习情况。随时欢迎提出意见和建议，不胜感激！ 当前项目： 该项目的重点是预测爱荷华州埃姆斯地区的房价。 使用各种模型，包括正则回归，梯度提升树和随机森林，以及最终的估算器叠加方法。 预测排在的前1％ Dean De Cock从2006年至2010年之间从单个住宅物业销售中收集的数据。 该项目着重于了解导致心力衰竭死亡的患者因素 采用几种监督分类模型，包括KNN，逻辑回归SVM和随机森林。 费萨拉巴德联合医院费萨拉巴德心脏病研究所在2

  3. 所属分类：其它

  1. Rilostat:通过ILOSTAT批量下载工具或SDMX Web服务进行ILO开放数据的工具-源码

  2. 输出 html_document keep_md 真的 ilostat R包装 在的主要在线数据库， ，由统计部门维护，它是世界上最大的劳动力市场统计资料库。 它涵盖了所有国家和地区以及与劳工有关的广泛主题，包括就业，失业，工资，工作时间和劳动生产率等。 它包括可追溯至1938年的时间序列； 年度，季度和月度劳工统计数据； 国家一级，区域和全球估计； 甚至是主要劳动力市场指标的预测。 ILOSTAT的网站可通过不同方式立即访问其所有数据和相关元数据。 基本用户可以简单地在线查看所需数据或

  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. activity_recognition_spark:使用智能手机和智能手表数据使用Apache Spark和H20预测活动-源码

  2. 活动识别 使用智能手机和智能手表数据使用Apache Spark和H20预测活动。 可以预测的活动示例包括： 坐着 步行 吃 打字 常设 运球篮球等... 使用SparkML和H20在Apache Spark分析中完成数据预处理 数据集 “ WISDM智能手机和Smartwatch活动和生物识别数据集” 原始时间序列传感器数据 描述的数据集说明 **项目中采取的步骤如下：** 1）特征提取 提取用于预测上述活动的功能： subject_id 是SmartPhone还是SmartWatc

  3. 所属分类：其它

    • 发布日期：2021-03-15
    • 文件大小：527kb
    • 提供者：weixin_42143806

  1. chicago-taxi-forecast:使用Kubeflow和TFX的端到端时间序列预测管道-源码

  2. 使用Kubeflow和TFX的端到端时间序列预测管道 此存储库包含用KubeFlow和TFX创建e2e时间序列预测管道的最少步骤，该管道已部署在Google Cloud Platform上 在本教程中，都使用了。 本教程中涵盖的步骤按建议的顺序进行： 如何在GCP上创建和部署Kubeflow集群（ ） 使用 （ ）大规模转换BigQuery的数据 使用（ ）检查数据异常和偏斜 K8s集群上的火车模型（ ） 在部署模型（ ） 模型性能（ ） 构建并运行（ ） 如有疑问，请联

  3. 所属分类：其它

    • 发布日期：2021-03-14
    • 文件大小：499kb
    • 提供者：weixin_42166261

  1. forecast_LSTM:实验温度预测预报-源码

  2. Forecast_LSTM 该程序旨在对温度执行时间序列预测。 在sqlite3文件database.db测试数据 先决条件 Python3 点子 火炬 大熊猫 Tqdm 密谋 用法 首先，将cd转到目录，然后运行python3 train.py或python3 train2.py 。 作者 ÍcaroLorran Lopes Costa- （ ）

  3. 所属分类：其它

  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

  1. 股票价格分析预测模型-源码

  2. 股票价格分析和预测建模 站点部署在GitHub Pages上： 研究标题： 股票价格分析和预测建模–机器学习项目 客观的： 使用Tesla，Microsoft和GameStop建立股价预测模型 开发多个仪表板和股票市场数据集以进行比较 洞悉未来的开盘价和收盘价 通过交互式仪表盘比较市场量，高点和低点，开盘和收盘价的预测值与实际值 研究问题： 1.什么时候是最佳买卖时期？ 2.什么是可见的趋势？ 3，市场量，高点和低点以及开盘和收盘价的预测值与实际值 数据采集​​： 所有的股市数据都是

  3. 所属分类：其它

  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. 时间序列数据预测-源码

  2. 时间序列数据预测

  3. 所属分类：其它

  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. Assignment-DSESK-101：项目：对时间序列数据执行回归技术以生成未来的预测-源码

  2. 作业-DSESK-101 项目：对时间序列数据执行回归技术以生成未来的预测

  3. 所属分类：其它

  1. time_series：R中时间序列模型的实现-源码

  2. 时间序列 时间序列模型在R中的实现 文件： timeseries.R =用于预测澳大利亚每月天然气产量的未来3年数据的时间序列实现 timeseries2.R =预测澳大利亚羊毛纱线季度产量未来三年数据的时间序列实现 timeseries.docx =详细说明timeseries.R代码步骤的文档 timeseries2.docx =详细说明timeseries2.R代码步骤的文档

  3. 所属分类：其它

    • 发布日期：2021-02-13
    • 文件大小：97kb
    • 提供者：weixin_42162978

  1. prediciting-binary-options：使用时间序列数据和机器学习预测外汇二元期权-源码

  2. prediciting-binary-options：使用时间序列数据和机器学习预测外汇二元期权

  3. 所属分类：其它

    • 发布日期：2021-02-05
    • 文件大小：692kb
    • 提供者：weixin_42166105

  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：11mb
    • 提供者：weixin_42165583

  1. telemanom（远程语义）：一种使用LSTM检测多元时间序列数据异常的框架。 包括来自火星科学实验室和SMAP任务的航天器异常数据和实验-源码

  2. Telemanom（v2.0） v2.0更新： 通过numpy进行矢量化操作 面向对象的重组，改善组织 将两种处理模式的分支合并为单个分支（带/不带标签） 更新requirements.txt和Dockerfile 更新了两种模式的结果输出 PEP8清理 使用LSTM和自动阈值检测时间序列数据中的异常 Telemanom采用使用香草LSTMs / 识别多元传感器数据中的异常。 LSTM经过训练，可以使用编码的命令信息和先前的遥测值来学习正常的系统行为。 预测会在每个时间步生成，并且预

  3. 所属分类：其它

    • 发布日期：2021-02-05
    • 文件大小：466kb
    • 提供者：weixin_42110362

  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
« 12 3 4 5 6 7 8 9 10 »