معرفی شرکت ها

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

توضیحات

Automatic creation of time series forecasts, regression and classification

ویژگی	مقدار
سیستم عامل	-
نام فایل	auto-sktime-0.1.0
نام	auto-sktime
نسخه کتابخانه	0.1.0
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Marc Zoeller
ایمیل نویسنده	marc.zoeller@usu.com
آدرس صفحه اصلی	https://github.com/Ennosigaeon/auto-sktime/
آدرس اینترنتی	https://pypi.org/project/auto-sktime/
مجوز	MIT

# auto-sktime Automatic creation of time series forecasts, regression and classification. ## Installation For trouble shooting and detailed installation instructions, see the documentation. ``` Operating system: Linux Python version: Python 3.8, 3.9, and 3.10 (only 64 bit) Package managers: pip ``` ### pip auto-sktime is available in pip. You can see all available wheels [here](https://test.pypi.org/project/auto-sktime). ```bash pip install auto-sktime ``` or, with maximum dependencies, ```bash pip install auto-sktime[all_extras] ``` ## Remaining Useful Life Predictions (AutoRUL) This section describes how to reproduce the results in the _AutoRUL_ paper. First, checkout the exact code that was used to create the results. Therefore, you can use the tag [v0.1.0](https://github.com/Ennosigaeon/auto-sktime/tree/v0.1.0) ```bash git checkout tags/v0.1.0 -b autorul ``` Next, switch to the `scripts` directory and use ```bash python remaining_useful_lifetime.py <BENCHMARK> ``` to run a single benchmark data set. To view the available benchmarks and all configuration parameters run ```bash python remaining_useful_lifetime.py --help ``` ### Reproducing results You can use the following commands to recreate the reported baseline results in the experiments of the paper. ```bash python remaining_useful_lifetime.py <BENCHMARK> --runcount_limit 1 --timeout 3600 --multi_fidelity False --include baseline_lstm python remaining_useful_lifetime.py <BENCHMARK> --runcount_limit 1 --timeout 3600 --multi_fidelity False --include baseline_cnn python remaining_useful_lifetime.py <BENCHMARK> --runcount_limit 1 --timeout 3600 --multi_fidelity False --include baseline_transformer python remaining_useful_lifetime.py <BENCHMARK> --runcount_limit 1 --timeout 7200 --multi_fidelity False --include baseline_rf python remaining_useful_lifetime.py <BENCHMARK> --runcount_limit 200 --timeout 7200 --multi_fidelity False --ensemble_size 1 --include baseline_svm ``` with `<BENCHMARK>` being one of `{cmapss,cmapss_1,cmapss_2,cmapss_3,cmapss_4,femto_bearing,filtration,phm08,phme20}`. For the _AutoRUL_ evaluation only the benchmark is provided and all remaining default configurations are used. ```bash python remaining_useful_lifetime.py <BENCHMARK> ``` To reproduce the results from AutoCoevoRUL, checkout the [repository](https://github.com/Ennosigaeon/AutoCoevoRUL) from Github and use the [autocoevorul.py](scripts/autocoevorul.py) file to either export the data sets or import the results. ## Note This project has been set up using PyScaffold 4.2.1. For details and usage information on PyScaffold see https://pyscaffold.org/. ## Building To create a new release of `auto-sktime` you will have to install `build` and `twine` ```bash pip install build twine python -m build ```

نیازمندی

مقدار	نام
==0.13.0	sktime
~=0.6.0	ConfigSpace
~=1.4.0	smac
~=3.6.2	matplotlib
~=0.12.1	seaborn
~=1.0.4	tsmoothie
~=0.19.0	tsfresh
~=1.13.0	torch
~=1.22.0	numpy
-	importlib-metadata
-	setuptools
-	pytest
-	pytest-cov

زبان مورد نیاز

مقدار	نام
>=3.8	Python

نحوه نصب

نصب پکیج whl auto-sktime-0.1.0:

pip install auto-sktime-0.1.0.whl

نصب پکیج tar.gz auto-sktime-0.1.0:

pip install auto-sktime-0.1.0.tar.gz