#forecasting 仓库
探索 56 个标记为 #forecasting 的活跃开源 GitHub 仓库,它们累计获得 186,967 个 Star(平均每个项目 3,338 个)。该主题的领先项目是 meta/prophet,拥有 20,494 个 Star。
共 56 个仓库
Kats,一个用于分析时间序列数据的工具包,是一个轻量级、易于使用、可泛化且可扩展的框架,用于执行时间序列分析,从理解关键统计数据和特征,到检测变化点和异常值,再到预测未来趋势。
时间序列 Timeseries 深度学习 机器学习 Python Pytorch fastai | Pytorch / fastai 中用于时间序列和序列的先进深度学习库
TimeGPT-2.1:可用于生产环境的预训练时间序列基础模型,支持预测和异常检测。一个用于时间序列的生成式预训练变换器,使用超过 1000 亿个数据点进行训练。只需几行代码,即可准确预测零售、电力、金融和物联网等多个领域的数据 🚀。
一个针对部分观测时序数据的现实中心机器/深度学习及数据挖掘的Python工具包/库,包含50+种SOTA神经网络模型,用于不完整工业不规则采样多变量时序(含NaN缺失值)的科学分析任务(插补、分类、聚类、预测、异常检测、清洗)
关于时间序列、时空和事件数据的(语言)大模型和基础模型(LLM, LM, FM)的专业列表。
Polymarket || Polymarket Bot || Polymarket Copy Bot || Polymarket Copy Trading Bot
TimeCopilot:智能体预测框架。它基于大语言模型(LLM)和时间序列基础模型构建,让您通过单一 API 使用多个基础模型进行预测、交叉验证和异常检测。从金融、能源到网站分析,TimeCopilot 可将自然语言查询转化为可用于生产环境的预测结果。
常见问题解答
GitHub 上最受欢迎的 #forecasting 仓库是什么?
GitHub 上排名第一的开源 #forecasting 项目是 meta/prophet,拥有 20,494 个 Star。用于生成具有多重季节性和线性或非线性增长的时间序列数据的高质量预测的工具。
#forecasting 仓库中最常使用的编程语言有哪些?
在 GitHub 上排名靠前的 #forecasting 项目中,最常见的编程语言是 Python, Jupyter Notebook, R, TypeScript。
#forecasting 仓库的排名是如何计算的?
我们跟踪了 56 个标记为 #forecasting 且拥有 500+ 个 Star 的活跃开源仓库,共计获得 186,967 个 Star,平均每个仓库拥有 3,338 个 Star。排名每日根据 GitHub API 更新。