【文件属性】：
文件名称：dtw-python:R的全面动态时间扭曲算法软件包的Python端口
文件大小：253KB
文件格式：ZIP
更新时间：2021-05-15 01:39:49
time timeseries clustering dynamic warping
欢迎使用dtw-python软件包
综合实现。
DTW是一系列算法，它们计算局部拉伸或压缩以应用于两个时间序列的时间轴，以便将一个（查询）最佳地映射到另一个（参考）上。 DTW输出两者之间的剩余累积距离，如果需要，还可以输出映射本身（扭曲函数）。 DTW广泛用于例如计量经济学，化学计量学和常规时间序列挖掘中的分类和聚类任务。
该软件包提供了最新的动态时间规整类型（DTW）算法的最完整，可*使用（GPL）的实现。 它是C上的忠实Python等效项。 支持任意局部（例如对称，非对称，斜率限制）和全局（窗口）约束，快速本机代码，多种绘图样式等。
文献资料
有关完整的文档和背景，请参阅主。
学习如何使用该软件包的最佳位置（并且希望有大量有关DTW的背景知识）是随附的论文《 》，《统计软件杂志》免费提供。 。 它包括详细的说明和广泛的背景知识，例如多变量匹配，实时使用的开放式变量，递归类型
【文件预览】：
dtw-python-master
----MANIFEST.in(386B)
----.travis.yml(686B)
----README.rst(6KB)
----.coveragerc(17B)
----dtw()
--------_backtrack.py(2KB)
--------_dtw_utils.pyx(3KB)
--------warp.py(3KB)
--------data()
--------dtw.py(15KB)
--------dtw_core.c(8KB)
--------dtwPlot.py(12KB)
--------mvm.py(3KB)
--------__main__.py(1KB)
--------warpArea.py(3KB)
--------dtw_core.h(1KB)
--------__init__.py(1KB)
--------window.py(6KB)
--------stepPattern.py(25KB)
--------_globalCostMatrix.py(2KB)
--------countPaths.py(3KB)
--------_dtw_utils.c(896KB)
--------dtw_test_data.py(3KB)
----pyproject.toml(223B)
----docs()
--------conf.py(7KB)
--------CASE.SENSITIVE.FS(1KB)
--------make.bat(765B)
--------Makefile(604B)
--------index.rst(62B)
----AUTHORS.rst(162B)
----.github()
--------ISSUE_TEMPLATE.md(379B)
--------workflows()
----maintainer()
--------README.maintainer(374B)
--------roxypick.py(5KB)
--------examples()
----CONTRIBUTING.rst(4KB)
----tests()
--------reference.csv(2KB)
--------test_dtw_s.py(3KB)
--------test_cran.py(3KB)
--------test_issues.py(1KB)
--------query.csv(2KB)
--------__init__.py(58B)
--------test_dtw.py(1KB)
--------test_doctests.py(453B)
--------test_countPaths.py(747B)
--------test_cli.py(515B)
----.gitchangelog.rc(10KB)
----LICENSE(845B)
----setup.cfg(383B)
----setup.py(2KB)
----.gitignore(1KB)
----CHANGELOG.md(5KB)
----Makefile(2KB)
----.editorconfig(292B)