一个专用于时间序列数据的机器学习工具包
tslearn的Python项目详细描述
tslearn是一个python包，它为分析时间序列提供机器学习工具。
这个包基于scikit-learn、numpy和scipy库。
如果你想为tslearn做贡献，请看一下our contribution guidelines。
依赖关系
Cython
numpy
numba
scipy
scikit-learn
joblib
numba
如果您计划使用shapelets模块，还应该安装keras和tensorflow。
安装
先决条件
应使用P> C++Bug工具来执行安装。使用conda
安装tslearn的最简单方法可能是通过conda：
conda install -c conda-forge tslearn
使用pypi
使用pip也应该可以工作：
pip install tslearn
使用最新的Github托管版本
如果您想获得tslearn的最新版本，可以参考github上托管的存储库：
pip install git+https://github.com/rtavenar/tslearn.git
故障排除
似乎在某些平台上，Cython依赖项安装不正确。
如果遇到此类问题，请尝试使用以下命令安装：
pip install cython
或者（取决于您首选的python包管理器）：
conda install -c anaconda cython
在开始安装tslearn之前。
文档和API参考
文档（包括示例库）位于readthedocs。
已经可用
- 一个
generators模块提供随机游动生成器 - 一个
datasets模块通过UCR_UEA_datasets类提供对著名的ucr/uea数据集的访问。 preprocessing模块提供标准时间序列定标器- 一个
metrics模块提供：- 动态时间扭曲（DTW）（具有Sakoe Chiba频带和Itakura平行四边形变体）
- lb_keogh
- 全局对齐内核
- 来自Cuturi和Blondel的软DTW
- 一个
neighbors模块包括用于时间序列的最近邻算法 - 一个
svm模块包括支持向量机算法，其具有：- 在
sklearn中提供的标准内核（为您完成足够的数组重塑） - 全局对齐内核
- 在
- 一个
clustering模块包括以下时间序列聚类算法：- 标准欧几里得k-均值（为您进行适当的数组重塑）
- 基于
tslearn.barycenters
- 基于
- dba k-means来自petitjean等人。
- 基于
tslearn.barycenters，它提供了可用于其他应用程序的dba工具，而不仅仅是 K-平均值
- 基于
- 全局对齐内核k-均值
- 来自帕帕利佐和格拉瓦诺的kshape聚类
- 来自Cuturi和Blondel的软DTW K-Means
- 基于提供软DTW重心计算的
tslearn.barycenters
- 基于提供软DTW重心计算的
- 它还提供了一种计算给定聚类和度量的轮廓系数的方法
- 标准欧几里得k-均值（为您进行适当的数组重塑）
- 一个
shapelets模块包括grabocka等人的学习时间序列方法的有效实现。- 警告：要使用
shapelets模块，需要两个额外的依赖项：keras和tensorflow
- 警告：要使用
- 一个
piecewise模块包括标准时间序列转换以及相应的距离：-
分段骨料近似（PAA）<李>
- 符号聚合近似（SAX）
- 一维符号聚合近似（1d sax）
待办事项列表
查看there以获取建议功能的列表。 如果要将时间序列的其他ml方法添加到此to do列表中，请不要犹豫打开问题！有关如何继续的详细信息，请参见our contribution guidelines。
致谢
作者要感谢马修·布朗德尔为
Kernel k-means和Soft-DTW（两者
在bsd许可下分发），用于此库的clustering和metrics模块中。
引用tslearn
如果在中使用tslearn作为一份科学出版物，我们希望引用：
@misc{tslearn,title={tslearn: A machine learning toolkit dedicated to time-series data},author={Tavenard, Romain and Faouzi, Johann and Vandewiele, Gilles},year={2017},note={\url{https://github.com/rtavenar/tslearn}}}
欢迎加入QQ群-->： 979659372
