معرفی شرکت ها
deepts-forecasting-0.1.2
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 بیشترتوضیحات
Deep Learning Models for time series prediction..
| ویژگی | مقدار |
|---|---|
| سیستم عامل | - |
| نام فایل | deepts-forecasting-0.1.2 |
| نام | deepts-forecasting |
| نسخه کتابخانه | 0.1.2 |
| نگهدارنده | [] |
| ایمیل نگهدارنده | [] |
| نویسنده | Will Wei |
| ایمیل نویسنده | weiwillstat@163.com |
| آدرس صفحه اصلی | https://github.com/yunxileo/deepts_forecasting |
| آدرس اینترنتی | https://pypi.org/project/deepts-forecasting/ |
| مجوز | MIT |
# DeepTS_Forecasting
<p align="center">
<a href="https://pypi.python.org/pypi/deepts_forecasting">
<img src="https://img.shields.io/pypi/v/deepts_forecasting.svg"
alt = "Release Status">
</a>
<a href="https://github.com/yunxileo/deepts_forecasting/actions">
<img src="https://github.com/yunxileo/deepts_forecasting/actions/workflows/main.yml/badge.svg?branch=release" alt="CI Status">
</a>
<a href="https://deepts-forecasting.readthedocs.io/en/latest/?badge=latest">
<img src="https://readthedocs.org/projects/deepts-forecasting/badge/?version=latest" alt="Documentation Status">
</a>
</p>
**Deepts_forecasting** is a Easy-to-use package for time series forecasting with deep Learning models.
It contains a variety of models, from classics such as seq2seq to more complex deep neural networks.
The models can all be used in the same way, using `fit()` and `predict()` functions,
* Free software: MIT
## Documentation
* <https://yunxileo.github.io/deepts_forecasting/>
## Features
* TODO
## Models list
| Model | Paper |
|--------------|-----------------------------------------|
| Seq2Seq | [Sequence to Sequence Learning with Neural Networks](https://arxiv.org/pdf/1409.3215.pdf) |
| DeepAR |[DeepAR: Probabilistic Forecasting with Autoregressive Recurrent Networks](https://arxiv.org/abs/1704.04110) |
| Lstnet |[Modeling Long- and Short-Term Temporal Patterns with Deep Neural Networks](https://arxiv.org/pdf/1703.07015.pdf) |
| MQ-RNN | [A Multi-Horizon Quantile Recurrent Forecaster](https://arxiv.org/pdf/1711.11053.pdf) |
| N-Beats | [N-BEATS: Neural basis expansion analysis for interpretable time series forecasting](https://arxiv.org/abs/1905.10437) |
| TCN | [An empirical evaluation of generic convolutional and recurrent networks for sequence modeling](https://arxiv.org.1803.01271) |
| Transformer | [Attention Is All You Need](https://arxiv.org/abs/1706.03762) |
| Informer |[Informer: Beyond Efficient Transformer for Long Sequence Time-Series Forecasting](https://arxiv.org/abs/2012.07436) |
| Autoformer | [Autoformer: Decomposition Transformers with Auto-Correlation for Long-Term Series Forecasting](https://arxiv.org/abs/2106.13008) |
| TFT | [Temporal Fusion Transformers for Interpretable Multi-horizon Time Series Forecasting](https://arxiv.org/pdf/1912.09363.pdf) |
| MAE | [Masked Autoencoders Are Scalable Vision Learners](https://arxiv.org/pdf/2111.06377.pdf) |
## LICENSE
This project is licensed under the MIT License - see the LICENSE file for details.
## Credits
This package was created with [Cookiecutter](https://github.com/audreyr/cookiecutter) and the [zillionare/cookiecutter-pypackage](https://github.com/zillionare/cookiecutter-pypackage) project template.
نیازمندی
| مقدار | نام |
|---|---|
| ==20.8b1) | black |
| ==3.8.4) | flake8 |
| >=1.6.0,<2.0.0) | flake8-docstrings |
| ==5.6.4) | isort |
| >=2.6.3,<3.0.0 | livereload |
| >=1.1.2,<2.0.0) | mkdocs |
| >=0.3.1,<0.4.0) | mkdocs-autorefs |
| >=1.0.0,<2.0.0) | mkdocs-include-markdown-plugin |
| >=0.20.1,<0.21.0 | mkdocs-jupyter |
| ==8.0.0) | mkdocs-material |
| >=1.0.1,<2.0.0 | mkdocs-material-extensions |
| >=0.18.1,<0.19.0) | mkdocstrings |
| ==1.3.4 | pandas |
| >=20.3.1,<21.0.0) | pip |
| >=2.12.0,<3.0.0) | pre-commit |
| ==6.1.2) | pytest |
| ==2.10.1) | pytest-cov |
| ==1.5.10 | pytorch-lightning |
| >=0.24.0 | scikit-learn |
| >=0.10.2,<0.11.0) | toml |
| ==1.8.1 | torch |
| >=3.20.1,<4.0.0) | tox |
| >=3.3.0,<4.0.0) | twine |
| >=20.2.2,<21.0.0) | virtualenv |
زبان مورد نیاز
| مقدار | نام |
|---|---|
| >=3.7.1,<4.0 | Python |
نحوه نصب
نصب پکیج whl deepts-forecasting-0.1.2:
pip install deepts-forecasting-0.1.2.whl
نصب پکیج tar.gz deepts-forecasting-0.1.2:
pip install deepts-forecasting-0.1.2.tar.gz