tslearn-team/tslearn

해결하는 문제

시계열 데이터에 대한 기계학습을 수행하기 위한 포괄적인 툴킷을 제공하여, 종종 특수한 거리 메트릭과 알고리즘을 필요로 하는 순차 데이터의 포맷팅, 전처리, 분석 과정을 간소화합니다.

작동 방식

이 라이브러리는 시계열 데이터 세트를 3차원 numpy 배열(시리즈 수, 측정 수, 차원 수)로 형식화하는 것을 기대합니다. scikit-learn과 원활하게 통합되어 모델 학습 및 하이퍼파라미터 튜닝에 동일한 API를 따릅니다. 가변 길이 시계열 처리 및 스케일링, 리샘플링과 같은 전처리 단계를 위한 전용 유틸리티를 제공합니다.

대상 사용자

Python을 사용하여 시계열 데이터의 분류, 클러스터링, 회귀를 수행해야 하는 데이터 과학자 및 연구자.

주요 특징

• scikit-learn 호환성: scikit-learn 파이프라인 및 유틸리티와 완전히 호환됩니다.
• 다양한 작업 지원: KNN, SVC를 통한 분류, K-Means, KShape를 통한 클러스터링, SVR, MLP를 통한 회귀를 위한 도구를 포함합니다.
• 전용 메트릭: Dynamic Time Warping (DTW) 및 Global Alignment Kernel (GAK)와 같은 고급 거리 메트릭을 구현합니다.
• 데이터 유틸리티: UCR 데이터셋, 합성 데이터 생성기, 다른 Python 툴킷으로의 변환 도구를 내장하고 있습니다.