PyPOTS
一個專為部分觀測時間序列打造的現實導向機器/深度學習與數據探勘 Python 工具包/函式庫，內含 50 多種 SOTA 神經網路模型，適用於科學分析
PyPOTS 是什麼？
PyPOTS 是一個 Python 工具包/函式庫，專注於以現實為中心的機器/深度學習與數據探勘，應用於部分觀測時間序列。它內含 50 多種 SOTA 神經網路模型，用於對不完整、不規則取樣的工業多元時間序列（含 NaN 缺失值）進行科學分析任務（如填補、分類、聚類、預測、異常檢測、清理）。
PyPOTS 概覽
這是什麼
PyPOTS 是一個專為部分觀測時間序列（POTS）設計的 Python 機器學習工具包。它提供超過 50 個最先進的神經網路模型，用於處理帶有缺失值（NaN）的不完整、不規則取樣多變量時間序列，支援插補、分類、聚類、預測、異常檢測與清理等科學分析任務。該專案旨在填補 POTS 資料機器學習專用工具包的空白。
主要功能
- 支援五項核心任務：插補、預測、分類、聚類與異常檢測。
- 包含 50 多個神經網路模型，例如 SAITS、BRITS、Transformer、TimesNet 等。
- 透過 Optuna 框架（自 v2.0 起）提供超參數最佳化支援。
- 提供統一的 API 與詳細文件，並附有互動式範例。
- 包含簡單基線方法（如平均值、中位數、LOCF）與機率模型。
- 涵蓋大型語言模型（LLM）與時間序列基礎模型（TSFM）。
使用情境
- 針對部分觀測時間序列的科學研究。
- 工業應用中感測器讀數遺失或取樣不規則的情況。
- 比較插補、預測或分類演算法的基準測試。
- 對帶有缺失值的多變量時間序列進行異常檢測。
快速開始
請參閱儲存庫的 README 以取得安裝與使用說明。
授權與價格
PyPOTS 採用 BSD-3-Clause 授權條款，為開源軟體。
內容整理自該專案公開的 README 與儲存庫資訊。
