文件名称：time-series-analysis:时间序列分析，预测和异常检测
文件大小：1.73MB
文件格式：ZIP
更新时间：2024-05-03 09:50:47
JupyterNotebook
时间序列分析和预测的基础 此构建基块旨在帮助您执行单变量（以及将来的一些多变量）时间序列分析和预测。 假定您提供时间序列数据。 该构件仍在开发中。 欢迎提出任何改进建议@ 。 界面 该构建基块为您提供了一些可以在界面中使用的随时可使用的预测器，这些接口可以由新的-您自己的-预测器轻松扩展。 UVariateTimeSeriesClass是用于存储时间序列数据的基类，并为您提供有用的时间序列方法，例如重采样，变换，微分，分解，平稳性测试，ACF和PACF。 LinearForecaster ， ExponentialSmoothingForecaster ， ARIMAForecaster ， SARIMAForecaster ， AutoARIMAForecaster ， ProphetForecaster和DLMForecaster继承自UVariateTimeSeriesCla
【文件预览】：
time-series-analysis-master
----requirements.txt(84B)
----LICENSE(1KB)
----setup.py(606B)
----README.md(8KB)
----data()
--------AAPL.csv(303KB)
--------GOOG.csv(239KB)
--------AirPassengers.csv(2KB)
--------AMZN.csv(312KB)
----py_scripts()
--------.ipynb_checkpoints()
--------run_tsa.py(4KB)
----use-cases()
--------airline()
--------stock()
----tsa()
--------.ipynb_checkpoints()
--------auto_arima.py(20KB)
--------sarima.py(11KB)
--------exp_smoothing.py(15KB)
--------__init__.py(566B)
--------linear.py(9KB)
--------dlm.py(25KB)
--------grid_search.py(8KB)
--------tools.py(10KB)
--------__pycache__()
--------prophet.py(25KB)
--------uvts.py(44KB)
--------logger.py(1KB)
--------arima.py(11KB)
--------uvtsf.py(9KB)