tslearn 0.6.3
  • Quick Start
  • User Guide
  • API
  • Examples
  • Citing tslearn
  • Code on GitHub
  • Site map

    示例画廊¶

    指标¶

    最长公共子序列

    Longest Common Subsequence

    LB_Keogh

    LB_Keogh

    规范时间扭曲

    Canonical Time Warping

    sDTW 多路径匹配

    sDTW multi path matching

    使用自定义距离度量的最长公共子序列

    Longest Commom Subsequence with a custom distance metric

    动态时间规整

    Dynamic Time Warping

    软动态时间规整

    Soft Dynamic Time Warping

    使用自定义距离度量进行DTW计算

    DTW computation with a custom distance metric

    最近邻¶

    k-NN 搜索

    k-NN search

    最近邻

    Nearest neighbors

    使用KNeighborsTimeSeriesClassifier进行管道的超参数调优

    Hyper-parameter tuning of a Pipeline with KNeighborsTimeSeriesClassifier

    使用SAX + MINDIST的1-NN

    1-NN with SAX + MINDIST

    聚类和重心¶

    KShape

    KShape

    Kernel k-means

    Kernel k-means

    重心

    Barycenters

    Soft-DTW加权重心

    Soft-DTW weighted barycenters

    k-means

    k-means

    分类¶

    SVM和GAK

    SVM and GAK

    学习形状特征

    Learning Shapelets

    早期分类

    Early Classification

    将发现的shapelets与时间序列对齐

    Aligning discovered shapelets with timeseries

    学习形状:二维距离空间中的决策边界

    Learning Shapelets: decision boundaries in 2D distance space

    自动微分¶

    用于PyTorch神经网络的Soft-DTW损失

    Soft-DTW loss for PyTorch neural network

    杂项¶

    模型持久化

    Model Persistence

    PAA和SAX特征

    PAA and SAX features

    矩阵轮廓

    Matrix Profile

    距离和矩阵轮廓

    Distance and Matrix Profiles

    下载 所有 示例 的 Python 源代码 : auto_examples_python.zip

    下载 所有 示例 在 Jupyter 笔记本中: auto_examples_jupyter.zip

    Gallery generated by Sphinx-Gallery

    返回顶部

    © 版权所有 2017, Romain Tavenard.
    使用 Sphinx 7.1.2 创建.