WenjieDu/PyPOTS

A Python toolkit/library for reality-centric machine/deep learning & data mining on partially-observed time series, with 50+ SOTA neural network models for scientific analysis tasks (imputation, classification, clustering, forecasting, anomaly detection, cleaning) on incomplete industrial irregularly-sampled multivariate TS with NaN missing values

What it solves

PyPOTS は、欠損値を含む実世界の時系列データ（Partially-Observed Time Series、略称 POTS）の分析という課題に取り組みます。センサー故障や通信エラーによる欠損は高度なデータ分析や機械学習を阻害し、これまでこのニーズに特化した統一ツールキットが存在しませんでした。

How it works

PyPOTS は、欠損値を持つ多変量時系列に特化して調整された、古典的手法から最先端アルゴリズムまで幅広い機械学習モデルを統合した包括的な Python ツールボックスです。統一された API と詳細なドキュメントを提供し、モデル実装をシンプルにします。POTS 用に設計されていないモデルについては、ライブラリが ORT+MIT などの埋め込み戦略や学習手法を適用し、欠損データに対応できるようにします。

Who it’s for

時系列データを扱い、欠損処理に多くの時間を割きたくない研究者やエンジニア向けに設計されています。

Highlights

  • Diverse Task Support: Supports imputation, forecasting, classification, clustering, and anomaly detection.
  • Extensive Algorithm Library: Includes a vast range of models from naive methods (mean/median) to advanced Neural Networks, Time-Series Foundation Models (TSFM), and Large Language Models (LLM) like GPT4TS.
  • Hyperparameter Optimization: Integrated support for Optuna and Microsoft NNI for tuning neural network models.
  • Ecosystem Integration: Works alongside TSDB (for easy dataset loading) and PyGrinder (for simulating missing data patterns like MCAR, MAR, and MNAR).