WenjieDu/PyPOTS

해결하는 문제

실제 세계의 시계열 데이터는 센서 고장, 통신 오류 또는 장비 오작동으로 인해 데이터가 누락된 '부분적으로 관측된'(POTS) 상태인 경우가 많습니다. 이러한 결측치는 표준 머신러닝 모델을 적용하기 어렵게 만듭니다. PyPOTS는 이러한 결측치를 처리하고 후속 분석을 수행할 수 있는 통합되고 사용하기 쉬운 툴킷을 제공합니다.

작동 방식

PyPOTS는 고전적인 방법부터 최신 신경망에 이르기까지 광범위한 머신러닝 알고리즘에 대해 표준화된 API를 제공합니다. 데이터 보간(결측치 채우기), 예측, 분류, 클러스터링, 이상 탐지라는 5가지 주요 작업을 지원합니다. 원래 결측 데이터를 위해 설계되지 않은 모델의 경우, 이 라이브러리는 특정 임베딩 전략과 학습 접근 방식(예: ORT+MIT)을 적용하여 부분적으로 관측된 입력을 효과적으로 처리할 수 있도록 합니다.

대상 사용자

이 프로젝트는 데이터 전처리 및 결측치 처리의 복잡함에 얽매이지 않고 분석을 수행해야 하는 다변량 시계열 데이터를 다루는 데이터 과학자, 엔지니어 및 연구자를 위해 설계되었습니다.

주요 특징

• 보간, 예측, 분류, 클러스터링 및 이상 탐지를 위한 포괄적인 알고리즘 목록 지원.
• 최소한의 코드 변경으로 서로 다른 모델 간에 전환할 수 있는 통합 API 제공.
• Optuna 프레임워크를 통한 하이퍼파라미터 최적화 지원.
• 데이터셋 로딩 도구(TSDB) 및 결측 데이터 패턴 시뮬레이션 도구(PyGrinder)를 포함하는 더 넓은 생태계의 일부.