pyts:用于时间序列分类的python包
pyts是一个用于时间序列分类的python包。它
旨在通过提供
预处理和实用工具,以及
最先进的算法。大多数算法都是转换时间序列的,
因此,pyts提供了一些工具来执行这些转换。
安装
依赖关系
Pyts要求:Python(>;=3.5)
纽比(>;=1.15.4)
scipy(>;=1.3.0)
SCIKIT学习(>;=0.20.1)
numba(>;=0.41.0)
运行示例matplotlib(>;=2.0.0)是必需的。
用户安装
如果您已经安装了numpy、scipy、scikit learn和
numba,您可以使用pip轻松安装pyts
pip install pyts
或者通过conda-forge通道conda
Conda安装-c Conda Forge Pyts
您还可以通过克隆存储库来获得最新版本的pytsgit clone https://github.com/johannfaouzi/pyts.git
cd pyts
pip install .
测试
安装后,可以从源代码外部启动测试套件
使用pytest的目录:pytest pyts
变更日志
见changelog
因为历史上Pyts的显著变化。
发展
此软件包的开发与scikit learn中的一个软件包一致
社区。因此,您可以参考
Development Guide。轻微的
不同的是使用numba而不是cython进行优化。
文件
实现的功能
Pyts由以下模块组成:bag_of_words:这个模块由一个类组成
BagOfWords
把时间序列变成一袋袋的文字。这种方法很常见
在时间序列分类中。
classification:这个模块提供算法的实现
可以对时间序列进行分类。实现的算法是
KNeighborsClassifier,
SAXVSM和
BOSSVS。
decomposition:这个模块提供算法的实现
把一个时间序列分解成几个时间序列。唯一实现的
算法是
Singular Spectrum Analysis。
metrics:此模块提供特定度量的实现
时间序列。实施的指标是
Dynamic Time Warping
有几个变种和
BOSS
公制。
preprocessing:这个模块提供了大部分scikit学习预处理
工具,但按示例应用(即独立于每个时间序列)
在特征方面,以及
imputer
使用插值的缺失值。更多信息请访问
pyts.preprocessing API documentation。
transformation:这个模块提供算法的实现
将具有形状(n_samples, n_timestamps)的时间序列数据集转换为
具有形状(n_samples, n_features)的数据集。实现的算法是
BOSS和
WEASEL。
欢迎加入QQ群-->: 979659372
推荐PyPI第三方库