很多開發者都使用 Python 作為他們的主要開發語言,其中一個原因是 Python 擁有一個強大的标準庫。通過各種庫函數,開發者可以快速地進行代碼編寫。本文将為讀者介紹一個用于分析時間序列資料的 Python 庫:Deeptime。特别地,該庫實作了降維、聚類和馬爾可夫模型估計等算法。
此外,該庫的 API 與 scikit-learn 的類似,并通過鴨子類型(duck typing)為工具提供基本的相容性。
項目位址:https://github.com/deeptime-ml/deeptime
安裝方法
Deeptime 庫安裝非常簡單,可通過 conda,安裝方式如下所示:
git clone https://github.com/deeptime-ml/deeptime.git
cd deeptime
git submodule update --init
conda install numpy scipy cython scikit-learn
python setup.py install
也可通過 pip,安裝方式如下所示:
pip install git+https://github.com/deeptime-ml/[email protected]
簡要介紹
Deeptime 庫支援的算法包括動态資料降維、使用神經網絡進行深度降維、SINDy、馬爾可夫狀态模型、隐馬爾可夫模型等。此外該庫還提供有使用的 API 文檔、日志更新等其他内容。
以上圖紅框中标出的動态資料降維算法為例,滑鼠點選該算法,在一級标題下會出現其包含的子标題。點選你想了解的詞條,即可連結到相應的說明文檔。例如當你點選 Dimension reduction,會出現下級目錄,如 TICA、VAMP/time-lagged CCA 等。點選相應算法即可連結到對應的說明文檔。
除此以外,該庫也為使用者提供了相應的示例研究,以供學習。
Deeptime 詳細文檔位址:https://deeptime-ml.github.io/