این برنامه ویندوزی tsfresh نام دارد که آخرین نسخه آن با نام v0.21.1sourcecode.tar.gz قابل دانلود است. می‌توان آن را به صورت آنلاین در ارائه دهنده خدمات میزبانی رایگان OnWorks برای ایستگاه‌های کاری اجرا کرد.
این اپلیکیشن به نام tsfresh را با OnWorks به صورت آنلاین دانلود و اجرا کنید.
برای اجرای این برنامه این دستورالعمل ها را دنبال کنید:
- 1. این برنامه را در رایانه شخصی خود دانلود کنید.
- 2. در فایل منیجر ما https://www.onworks.net/myfiles.php?username=XXXXX نام کاربری مورد نظر خود را وارد کنید.
- 3. این برنامه را در چنین فایل منیجر آپلود کنید.
- 4. هر شبیه ساز آنلاین OS OnWorks را از این وب سایت راه اندازی کنید، اما شبیه ساز آنلاین ویندوز بهتر است.
- 5. از OnWorks Windows OS که به تازگی راه اندازی کرده اید، به مدیر فایل ما https://www.onworks.net/myfiles.php?username=XXXXX با نام کاربری که می خواهید بروید.
- 6. برنامه را دانلود و نصب کنید.
- 7. Wine را از مخازن نرم افزار توزیع لینوکس خود دانلود کنید. پس از نصب، می توانید روی برنامه دوبار کلیک کنید تا آنها را با Wine اجرا کنید. همچنین می توانید PlayOnLinux را امتحان کنید، یک رابط کاربری فانتزی بر روی Wine که به شما کمک می کند برنامه ها و بازی های محبوب ویندوز را نصب کنید.
Wine راهی برای اجرای نرم افزار ویندوز بر روی لینوکس است، اما بدون نیاز به ویندوز. Wine یک لایه سازگار با ویندوز منبع باز است که می تواند برنامه های ویندوز را مستقیماً بر روی هر دسکتاپ لینوکس اجرا کند. اساساً، Wine در تلاش است تا به اندازه کافی از ویندوز را از ابتدا مجدداً پیاده سازی کند تا بتواند همه آن برنامه های ویندوز را بدون نیاز به ویندوز اجرا کند.
اسکرین شات ها:
تسفرش
DESCRIPTION:
tsfresh یک بسته پایتون است. این به طور خودکار تعداد زیادی از ویژگی های سری زمانی را محاسبه می کند که اصطلاحاً ویژگی ها نامیده می شود. tsfresh برای استخراج ویژگی ها از سری های زمانی استفاده می شود. بدون tsfresh، شما باید تمام مشخصات را با دست محاسبه کنید. با tsfresh این فرآیند به صورت خودکار انجام می شود و تمام ویژگی های شما به صورت خودکار قابل محاسبه است. tsfresh بیشتر با پانداهای پایتون و APIهای scikit-learn، دو بسته مهم برای تلاش‌های علم داده در پایتون سازگار است. ویژگی های استخراج شده را می توان برای توصیف یا خوشه بندی سری های زمانی بر اساس ویژگی های استخراج شده استفاده کرد. علاوه بر این، می توان از آنها برای ساخت مدل هایی استفاده کرد که وظایف طبقه بندی/رگرسیون را در سری های زمانی انجام می دهند. اغلب این ویژگی ها بینش جدیدی در مورد سری های زمانی و پویایی آنها می دهد.
امکانات
- برای پیش بینی طول عمر ماشین ها استفاده می شود
- برای پیش بینی کیفیت بیلت های فولادی در طی فرآیند ریخته گری مداوم استفاده می شود
- استخراج ویژگی سری زمانی بر اساس آزمون های فرضیه مقیاس پذیر
- به طور خودکار 100 ویژگی از سری های زمانی استخراج می کند
- با استخراج خودکار ویژگی‌ها، زمان صرف شده برای ساخت ویژگی‌ها را آزاد می‌کند
- شامل بسیاری از روش های استخراج ویژگی و یک الگوریتم انتخاب ویژگی قوی است
دسته بندی ها
این برنامه ای است که می تواند از https://sourceforge.net/projects/tsfresh.mirror/ نیز دریافت شود. در OnWorks میزبانی شده است تا به آسانی از یکی از سیستم عامل های رایگان ما به صورت آنلاین اجرا شود.