文件名称:tsmoothie:用于以向量化方式进行时间序列平滑和离群值检测的python库
文件大小:1.23MB
文件格式:ZIP
更新时间:2024-02-21 11:25:21
bootstrap timeseries time-series smoothing outlier-detection
tsmoothie 一个用于以向量化方式进行时间序列平滑和离群值检测的python库。 总览 tsmoothie以快速有效的方式计算单个或多个时间序列的平滑度。 可用的平滑技术是: 指数平滑 具有各种窗口类型(常量,汉宁,汉明,巴特利特,布莱克曼)的卷积平滑 使用傅立叶变换进行频谱平滑 多项式平滑 各种样条平滑(线性,三次,自然三次) 高斯平滑 Binner平滑 低价 各种季节性分解平滑(卷积,最低,自然三次样条) 带有可自定义组件(水平,趋势,季节性,长期季节性)的卡尔曼平滑 tsmoothie提供了平滑处理结果的间隔计算。 这对于识别时间序列中的异常值和异常可能很有用。 关于使用的平滑方法,可用的间隔类型为: sigma间隔 置信区间 预测间隔 卡尔曼区间 tsmoothie可以执行滑动平滑方法来模拟在线使用。 可以将时间序列分成相等大小的片段,并分别进行平滑处理。 与往常一样,此功能通过WindowWrapper类以矢量化方式实现。 tsmoothie可以通过BootstrappingWrapper类操作时序引导程序。 支持的引导程序算法为: 没有重叠的块引导
【文件预览】:
tsmoothie-master
----notebooks()
--------Sliding Smoothing.ipynb(184KB)
--------Basic Smoothing.ipynb(282KB)
--------Sinusoidal Smoothing.ipynb(786KB)
----imgs()
--------randomwalk_smoothing.png(67KB)
--------sinusoidal_bootstrap.png(106KB)
--------sinusoidal_smoothing.png(134KB)
----requirements.txt(22B)
----LICENSE(1KB)
----setup.py(875B)
----README.md(6KB)
----.gitignore(1KB)
----tsmoothie()
--------utils_class.py(5KB)
--------bootstrap.py(6KB)
--------regression_basis.py(4KB)
--------utils_func.py(17KB)
--------smoother.py(77KB)
--------__init__.py(134B)