时间序列特征汇编库
FATS的Python项目详细描述
脂肪:时间序列的特征分析:< BR>< < BR> > BR/>摘要:部分现有光曲线特征的编制。< BR> > BR/>作者:Isadora Nun和Pavlos Protopapas
< BR/>贡献者:Karim Pichara、Rahul Dave、Daniel Acu Na、尼科拉卡斯特罗、Cristobal Mackenzie、andrés riveros和ming zhu描述:在时域天文学中,从望远镜收集的数据通常以光曲线的形式表示。这些是时间序列,显示一个对象在一段时间内的亮度变化(有关视觉表示,请参阅下面的视频)。基于光曲线的可变性特征,天体可以分为不同的类(类星体、长周期变量、食双星等),因此可以独立地深入研究。
BR/>为了表征这种可变性,一些现有的方法使用机器学习算法。在光曲线特征上建立他们的决策。特征,以下工作的主题,是数字描述符,旨在描述和区分不同的可变性类。它们可以从基本的统计度量,例如平均值或标准偏差,到复杂的时间序列特征,例如自相关函数。主要目标是创建一个协作和开放的工具,每个用户都可以在其中描述或分析天文光度数据库,同时通过添加新的功能为库做出贡献。然而,重要的是要强调的是,这个库不局限于天文领域,也可以应用于任何类型的时间序列。
这将有助于提高建模、分类、数据清理、异常点检测和数据分析的效率。因此,当研究光曲线时,天文学家和数据分析员将处于相同的波长上,不必寻找比较或匹配不同特征的方法。为了实现这一目标,图书馆应该在每一个存在的调查中运行(MaGo,ErOS,Ogle,Calalina,PAN-STARRS等)和未来的调查(LSST),结果应该理想地共享在同一个开放的方式作为这个库。请访问http://isadoranun.github.io/tsfeat/featuresdocumentation.html
< BR/>贡献者:Karim Pichara、Rahul Dave、Daniel Acu Na、尼科拉卡斯特罗、Cristobal Mackenzie、andrés riveros和ming zhu描述:在时域天文学中,从望远镜收集的数据通常以光曲线的形式表示。这些是时间序列,显示一个对象在一段时间内的亮度变化(有关视觉表示,请参阅下面的视频)。基于光曲线的可变性特征,天体可以分为不同的类(类星体、长周期变量、食双星等),因此可以独立地深入研究。
BR/>为了表征这种可变性,一些现有的方法使用机器学习算法。在光曲线特征上建立他们的决策。特征,以下工作的主题,是数字描述符,旨在描述和区分不同的可变性类。它们可以从基本的统计度量,例如平均值或标准偏差,到复杂的时间序列特征,例如自相关函数。主要目标是创建一个协作和开放的工具,每个用户都可以在其中描述或分析天文光度数据库,同时通过添加新的功能为库做出贡献。然而,重要的是要强调的是,这个库不局限于天文领域,也可以应用于任何类型的时间序列。
这将有助于提高建模、分类、数据清理、异常点检测和数据分析的效率。因此,当研究光曲线时,天文学家和数据分析员将处于相同的波长上,不必寻找比较或匹配不同特征的方法。为了实现这一目标,图书馆应该在每一个存在的调查中运行(MaGo,ErOS,Ogle,Calalina,PAN-STARRS等)和未来的调查(LSST),结果应该理想地共享在同一个开放的方式作为这个库。请访问http://isadoranun.github.io/tsfeat/featuresdocumentation.html