sktime
v0.34.0
시계열이있는 기계 학습을위한 통합 인터페이스
버전 0.34.0 지금! 여기에서 릴리스 노트를 확인하십시오.
SKTIME은 파이썬에서 시계열 분석을위한 라이브러리입니다. 여러 시계열 학습 작업에 대한 통합 인터페이스를 제공합니다. 현재 여기에는 예측, 시계열 분류, 클러스터링, 이상/변경 사항 감지 및 기타 작업이 포함됩니다. 시계열 알고리즘과 Scikit-Learn 호환 도구가 제공되어 시계열 모델을 구축, 조정 및 검증 할 수 있습니다.
| 문서 · 튜토리얼 · 릴리스 노트 | |
|---|---|
| 오픈 소스 | |
| 튜토리얼 | |
| 지역 사회 | |
| CI/CD | |
| 암호 | |
| 다운로드 | |
| 소환 |
| 선적 서류 비치 | |
|---|---|
| 튜토리얼 | SKTIME을 처음 사용 하시나요? 알아야 할 모든 것이 있습니다! |
| ? 바인더 노트북 | 브라우저에서 연주 할 노트북 예제. |
| ? 예 | Sktime 및 그 기능을 사용하는 방법. |
| ✂️ 확장 템플릿 | SKTIME의 API를 사용하여 자신의 추정기를 구축하는 방법. |
| ? ️ API 참조 | Sktime의 API에 대한 자세한 참조. |
| 비디오 튜토리얼 | 2021 Pydata Global의 비디오 튜토리얼. |
| changelog | 변경 및 버전 기록. |
| ? 로드맵 | SKTIME의 소프트웨어 및 커뮤니티 개발 계획. |
| 관련 소프트웨어 | 관련 소프트웨어 목록. |
질문과 피드백은 매우 환영합니다! 우리는 더 많은 청중이 혜택을받을 수 있도록 공개적으로 도움을 공유하는 가치를 강력하게 믿습니다.
| 유형 | 플랫폼 |
|---|---|
| ? 버그 보고서 | Github 문제 추적기 |
| 기능 요청 및 아이디어 | Github 문제 추적기 |
| ? 사용 질문 | Github 토론 · 스택 오버플로 |
| 일반적인 토론 | Github 토론 |
| ? 기여 및 개발 | dev-chat 채널 · 불화 |
| 모임 및 협업 세션 | Discord -Fridays 13 UTC, Dev/Meet -Ups 채널 |
우리의 목표는 시계열 분석 생태계의 상호 운용성과 유용성을 전체적으로 향상시키는 것입니다. SKTIME은 뚜렷하지만 관련 시계열 학습 작업을위한 통합 인터페이스를 제공합니다. 파이프 라인, 앙상블, 튜닝 및 감소와 같은 복합 모델 구축을위한 전용 시계열 알고리즘 및 도구가 특징으로, 사용자가 한 작업을 위해 설계된 알고리즘을 다른 작업에 적용 할 수 있도록 권한을 부여합니다.
SKTIME은 또한 관련 라이브러리 (예 : Scikit-Learn, StatsModels, TSFresh, Pyod 및 FBPROPHET)와의 인터페이스를 제공합니다.
| 기준 치수 | 상태 | 모래밭 |
|---|---|---|
| 예측 | 안정적인 | 튜토리얼 · API 참조 · 확장 템플릿 |
| 시계열 분류 | 안정적인 | 튜토리얼 · API 참조 · 확장 템플릿 |
| 시계열 회귀 | 안정적인 | API 참조 |
| 변환 | 안정적인 | 튜토리얼 · API 참조 · 확장 템플릿 |
| 매개 변수 피팅 | 성숙 | API 참조 · 확장 템플릿 |
| 시계열 클러스터링 | 성숙 | API 참조 · 확장 템플릿 |
| 시계열 거리/커널 | 성숙 | 튜토리얼 · API 참조 · 확장 템플릿 |
| 시계열 정렬 | 실험 | API 참조 · 확장 템플릿 |
| 탐지 작업 | 실험 | 확장 템플릿 |
| 시계열 스플리터 | 성숙 | 확장 템플릿 |
| 분포 및 시뮬레이션 | 실험 |
문제 해결 및 자세한 설치 지침은 문서를 참조하십시오.
conda-forge 통해)PIP를 사용하여 SKTIME 릴리스는 소스 패키지 및 이진 휠로 사용할 수 있습니다. 사용 가능한 바퀴는 여기에 나열되어 있습니다.
pip install sktime또는 최대 종속성으로
pip install sktime[all_extras]특정 학습 작업을위한 선별 된 소프트 의존성 세트의 경우 :
pip install sktime[forecasting] # for selected forecasting dependencies
pip install sktime[forecasting,transformations] # forecasters and transformers또는 이와 유사합니다. 유효한 세트는 다음과 같습니다.
forecastingtransformationsclassificationregressionclusteringparam_estnetworksdetectionalignment동굴 : 일반적으로 학습 작업에 대한 모든 소프트 종속성이 설치되는 것은 아니며 선별 된 선택 만 설치합니다.
conda-forge 채널을 통해 conda 에서 Sktime을 설치할 수도 있습니다. 빌드 레시피 및 구성을 포함한 공급 원료는이 Conda-Forge 저장소에서 유지됩니다.
conda install -c conda-forge sktime또는 최대 종속성으로
conda install -c conda-forge sktime-all-extras ( conda 의존성 세트를 지원하지 않으므로 conda 를 통해 유연한 소프트 의존성을 사용할 수 없습니다).
from sktime . datasets import load_airline
from sktime . forecasting . base import ForecastingHorizon
from sktime . forecasting . theta import ThetaForecaster
from sktime . split import temporal_train_test_split
from sktime . performance_metrics . forecasting import mean_absolute_percentage_error
y = load_airline ()
y_train , y_test = temporal_train_test_split ( y )
fh = ForecastingHorizon ( y_test . index , is_relative = False )
forecaster = ThetaForecaster ( sp = 12 ) # monthly seasonal periodicity
forecaster . fit ( y_train )
y_pred = forecaster . predict ( fh )
mean_absolute_percentage_error ( y_test , y_pred )
>> > 0.08661467738190656 from sktime . classification . interval_based import TimeSeriesForestClassifier
from sktime . datasets import load_arrow_head
from sklearn . model_selection import train_test_split
from sklearn . metrics import accuracy_score
X , y = load_arrow_head ()
X_train , X_test , y_train , y_test = train_test_split ( X , y )
classifier = TimeSeriesForestClassifier ()
classifier . fit ( X_train , y_train )
y_pred = classifier . predict ( X_test )
accuracy_score ( y_test , y_pred )
>> > 0.8679245283018868 Sktime 커뮤니티에 가입하는 방법에는 여러 가지가 있습니다. 우리는 모든 기업인 사양을 따릅니다. 코드뿐만 아니라 모든 종류의 기여를 환영합니다.
| 선적 서류 비치 | |
|---|---|
| ? 기여하다 | SKTIME에 기여하는 방법. |
| ? 멘토링 | 오픈 소스를 처음 접했습니까? 멘토링 프로그램에 신청하십시오! |
| ? 회의 | 토론, 튜토리얼, 워크샵 및 스프린트에 참여하십시오! |
| ? ? 개발자 안내서 | Sktime의 코드 기반을 더욱 발전시키는 방법. |
| ? 강화 제안 | Sktime을위한 새로운 기능을 설계하십시오. |
| ? 기고자 | 모든 기고자의 목록. |
| ? 역할 | 핵심 커뮤니티 역할에 대한 개요. |
| ? 기부 | Sktime 유지 보수 및 개발 기금. |
| ? ️ 거버넌스 | Sktime의 커뮤니티에서 어떻게 그리고 누구에 의해 결정을 내립니다. |
모든 훌륭한 공헌, PR, 문제, 아이디어에 대한 모든 커뮤니티 덕분입니다.
