pyts

收录理由

处理时间序列时，最费功夫的往往是把原始的有序数据转换成分类器能用的特征，pyts 把这一环节里常见的变换方法都收拢到了一起。它提供了 BOSS 的多种变体、shapelet 学习、时间序列森林，以及 SAX、PAA、离散傅里叶变换等预处理工具。由于这些估计器都遵循 scikit-learn 熟悉的 fit/transform/predict 接口，接入现有的 sklearn 流程几乎不需要额外磨合，还自带从 UCR/UEA 仓库拉取基准数据集的辅助函数。这样一来，无论是想快速验证传感器数据或机器日志上的分类思路，还是希望对照已发表算法跑通一个可复现的参考实现，pyts 都能派上用场。