Machine Learning para Series Temporales con Aeon
Guía completa para aplicar machine learning especializado en series temporales: clasificación, regresión, clustering, forecasting, detección de anomalías, segmentación y búsqueda de similitud usando la librería aeon, compatible con scikit-learn.
Incluida en el Pase · para Python, scikit-learn, Jupyter
// qué_hace
Proporciona algoritmos y flujos de trabajo para clasificar, predecir, agrupar, pronosticar y detectar anomalías en datos de series temporales con la API de aeon.
// cómo_lo_hace
Usando la librería aeon (compatible con scikit-learn) con estimadores ROCKET, HIVE-COTE, InceptionTime, DTW, ARIMA y redes de deep learning para datos temporales.
// ejemplo_de_uso
Perfecta para data scientists que trabajan con sensores, logs de servidor o datos financieros secuenciales. Ej.: clasificar series de vibración de maquinaria industrial para detectar patrones de fallo antes de que ocurran.
// plataformas
// opiniones_de_la_comunidad
Opiniones
Cargando opiniones…