tslearn
用於 Python 時間序列分析的機器學習工具包
tslearn 是什麼?
用於 Python 時間序列分析的機器學習工具包, categories: [Ai], license: BSD-2-Clause
tslearn 概覽
這是什麼
tslearn 是一個專為時間序列分析設計的 Python 機器學習工具包。它提供了一套完整的工具,用於時間序列資料的預處理、分群、分類、回歸及其他常見任務。該函式庫設計為與 scikit-learn 相容,讓使用者能無縫整合至現有的機器學習工作流程中。tslearn 支援可變長度的時間序列,並提供資料轉換、縮放和轉換的實用工具。
主要功能
- 分群演算法:包含 TimeSeriesKMeans、KShape 和 KernelKmeans,用於對時間序列資料進行分組。
- 分類與回歸:提供 K 最近鄰分類器/回歸器、TimeSeriesSVC、TimeSeriesSVR 和 LearningShapelets。
- 距離度量:支援動態時間扭曲(DTW)、全域比對核和矩陣輪廓,用於衡量時間序列之間的相似性。
- 預處理工具:提供縮放(例如 TimeSeriesScalerMinMax)、分段轉換和重新取樣,以準備資料進行分析。
- 重心計算:能夠使用多種方法計算一組時間序列的平均值。
- 資料處理:包含載入 UCR 資料集、生成合成時間序列以及從其他熱門 Python 工具包轉換資料的實用工具。
使用情境
tslearn 適用於任何涉及時間序列資料的應用,例如:
- 異常檢測:識別感測器讀數或金融資料中的異常模式。
- 客戶行為分群:根據使用者隨時間變化的活動序列對其進行分組。
- 訊號分類:辨識不同類型的手勢、語音模式或生物醫學訊號。
- 預測與回歸:根據歷史資料預測時間序列的未來值。
- 形狀發現:尋找能夠區分時間序列類別的判別性子序列。
快速開始
透過 pip 或 conda 安裝 tslearn:python -m pip install tslearnconda install -c conda-forge tslearn安裝後,將資料格式化為 3D numpy 陣列(n_ts, max_sz, d)。例如:python3>>> from tslearn.utils import to_time_series_dataset>>> my_first_time_series = [1, 3, 4, 2]>>> my_second_time_series = [1, 2, 4, 2]>>> my_third_time_series = [1, 2, 4, 2, 2]>>> X = to_time_series_dataset([my_first_time_series, my_second_time_series, my_third_time_series])>>> y = [0, 1, 1]然後進行預處理並訓練模型,例如 K 最近鄰分類器:python3>>> from tslearn.preprocessing import TimeSeriesScalerMinMax>>> X_scaled = TimeSeriesScalerMinMax().fit_transform(X)>>> from tslearn.neighbors import KNeighborsTimeSeriesClassifier>>> knn = KNeighborsTimeSeriesClassifier(n_neighbors=1)>>> knn.fit(X_scaled, y)>>> print(knn.predict(X_scaled))[0 1 1]
授權與價格
tslearn 是開源軟體,採用 BSD-2-Clause 授權條款。它可免費使用、修改和散佈。
內容整理自該專案公開的 README 與儲存庫資訊。