time-series

环境监测与调节系统

本仓库包含关于时间序列预测/预测（TSF）和时空预测/预测（STF）的阅读清单，按模型类型分类

Python 时序分析机器学习工具包

针对时间序列数据的异常检测工具与数据集清单

专业整理的时间序列 Transformer 相关优质资源（论文、代码、数据等）清单

使用深度学习进行时间序列预测的论文、代码与实验列表

[ICLR 2024] "🦙 Time-LLM: Time Series Forecasting by Reprogramming Large Language Models" 的官方实现

适用于 Torch 和 TensorRT 的深度学习服务器与 CLI

用于异常值、对抗样本与漂移检测的算法

[AAAI-23 Oral] 论文“Are Transformers Effective for Time Series Forecasting?”的官方实现

使用 PyTorch 通过机器学习与深度学习解决实际问题的 Jupyter Notebook 教程。主题包含：使用 Detectron 2 进行人脸检测、使用 LSTM Autoencoders 进行时间序列异常检测、使用 YOLO v5 进行对象检测、建立你的第一个神经网络、针对冠状病毒每日确诊数的时间序列预测、使用 BERT 进行情感分析

关于“Autoformer: Decomposition Transformers with Auto-Correlation for Long-Term Series Forecasting”(NeurIPS 2021) 的代码发布，https://arxiv.org/abs/2106.13008

GridDB 是一个次世代开源数据库，能让时间序列 IoT 与大数据处理变得快速又简单。

用于处理、监控和警报时间序列数据的开源框架

用于时间序列预测、分类与异常侦测的深度学习 PyTorch 函数库（最初用于洪水预测）。

一个采用面向对象设计并底层基于概率模型的 Python 贝叶斯预测套件。

一个用于现实中心机器/深度学习与数据挖掘的 Python 工具包/库，针对部分观测的时间序列，包含 50 多种 SOTA 神经网络模型，适用于不完整工业不规则采样多元时间序列（带有 NaN 缺失值）的科学分析任务（填补、分类、聚类、预测、异常检测、清理）。

Crane 是用于 Kubernetes 集群的云资源分析与经济学 FinOps 平台。其目标不仅是帮助用户更轻松地管理云成本，同时也确保应用程序的质量。

[ICLR 2024] “TimeMixer: Decomposable Multiscale Mixing for Time Series Forecasting”官方实现

用于深入了解高维度数据几何特性的 Python 工具箱

用于时间序列分类的 Python 软件包

液态时间常数网络 (LTCs) 代码仓库

公平且具可扩展性的时间序列预测基准与工具包。

具备高性能、高压缩比与高可用性的云原生开源分布式时序数据库。

[PVLDB 2024 最佳论文提名] TFB：迈向全面且公平的时间序列预测方法基准测试

一个旨在填补 Python 时间序列分析能力空白的统计库，包含相当于 R 的 auto.arima 函数。

我们在学习过程中收集的人工智能、机器学习与深度学习精选内容。包含学习笔记以及此类主题的优质资源列表。

Python 中的因果发现。从数据中学习因果关系。

用于表格与时间序列数据的合成数据生成器

Lag-Llama：迈向概率时间序列预测的基础模型