johannfaouzi/pyts

它解决了什么问题

pyts 是一个旨在让时间序列分类变得更容易的 Python 软件包。它提供了一套完整的工具，用于预处理、转换和分类时间序列数据，这些数据与标准表格数据相比，通常需要专门的算法。

它是如何运作的

该函数库将其功能组织成几个专门的模块：

• Approximation: 使用像 Piecewise Aggregate Approximation (PAA) 和 Symbolic Aggregate approXimation (SAX) 这样的算法来简化时间序列。
• Transformation: 将时间序列转换为特征集（例如 ROCKET, BOSS, WEASEL），以便它们可以与标准机器学习分类器一起使用。
• Classification: 实现专门针对时间序列的最先进分类算法，例如 TimeSeriesForest 和 LearningShapelets。
• Image Conversion: 使用 Recurrence Plots 和 Gramian Angular Fields 等技术将时间序列转换为图像，从而允许使用计算机视觉模型进行分析。
• Metrics: 提供专门的距离度量，如 Dynamic Time Warping (DTW) 来比较时间序列。
• Preprocessing: 提供样本级的预处理工具和缺失值的插值方法。
• Multivariate: 包含处理多变量时间序列数据的工具。

适用对象

处理时间序列数据并需要一个能与 scikit-learn 生态系统良好整合以进行分类任务的数据科学家和研究人员。

特色亮点

• Scikit-learn 兼容: 依照 scikit-learn 社区标准开发。
• 多样化的转换: 支持将时间序列转换为词袋、图像或提取的特征。
• 多变量支持: 用于处理多变量时间序列的专用工具。
• 整合数据集: 包含从 UEA & UCR Time Series Classification Repository 获取数据集的工具。