#20 · 主分类： 时间序列机器学习
PyPOTS
anomaly-detection
classification
clustering
data-analysis
data-mining
data-science
deep-learning
forecasting
generation
imputation
machine-learning
missing-values
neural-networks
pytorch
time-series
一个面向现实场景的部分观测时间序列机器学习Python工具包，提供50多种最先进模型，用于插补、分类、预测等任务。
项目最后更新：08/27/26
GitHub Stars
2.1K
Forks数量
189
贡献者数量
27
许可证
BSD-3-Clause
收录理由
现实中的传感器与工业数据很少能整齐地按固定频率采样，缺失读数、时间戳不规律几乎是常态。PyPOTS 正是围绕这一现实打造的 PyTorch 工具箱，集成了 50 多种神经网络模型，覆盖插补、分类、聚类、预测、异常检测等任务，专门处理带 NaN 缺失的多变量时间序列。它把 Transformer、iTransformer 等常见架构改造为可直接接受部分观测输入，省去自己拼凑掩码策略或兼容不同模型仓库的麻烦，提供一个统一 API。医疗、制造、能源、水文等领域经常面对不完整记录，这套工具能显著降低落地门槛。文档和教程也较完善，无论是工程师快速搭建原型，还是研究者对比算法，都能从中找到顺手的起点。
相关文章
暂无针对该项目的文章。
如需补充新闻资讯、使用教程、应用测评等内容，欢迎 联系我们推荐选题或投稿。