Este é o aplicativo Linux chamado Darts, cuja versão mais recente pode ser baixada como Dartspatch0.37.1sourcecode.tar.gz. Ele pode ser executado online no provedor de hospedagem gratuita OnWorks para estações de trabalho.
Baixe e execute online este aplicativo chamado Darts with OnWorks gratuitamente.
Siga estas instruções para executar este aplicativo:
- 1. Baixe este aplicativo em seu PC.
- 2. Entre em nosso gerenciador de arquivos https://www.onworks.net/myfiles.php?username=XXXXX com o nome de usuário que você deseja.
- 3. Carregue este aplicativo em tal gerenciador de arquivos.
- 4. Inicie o emulador OnWorks Linux online ou Windows online ou emulador MACOS online a partir deste site.
- 5. No sistema operacional OnWorks Linux que você acabou de iniciar, acesse nosso gerenciador de arquivos https://www.onworks.net/myfiles.php?username=XXXXX com o nome de usuário que deseja.
- 6. Baixe o aplicativo, instale-o e execute-o.
SCREENSHOTS
Ad
Dardos
DESCRIÇÃO
darts é uma biblioteca Python para fácil manipulação e previsão de séries temporais. Ele contém uma variedade de modelos, desde clássicos como ARIMA até redes neurais profundas. Todos os modelos podem ser usados da mesma forma, usando as funções fit() e predict(), semelhantes ao scikit-learn. A biblioteca também facilita o backtest de modelos, combina as previsões de vários modelos e leva em consideração dados externos. O Darts oferece suporte a modelos e séries temporais univariadas e multivariadas. Os modelos baseados em ML podem ser treinados em conjuntos de dados potencialmente grandes contendo várias séries temporais, e alguns dos modelos oferecem um rico suporte para previsões probabilísticas. Recomendamos primeiro configurar um ambiente Python limpo para o seu projeto com pelo menos Python 3.7 usando sua ferramenta favorita (conda, venv, virtualenv com ou sem virtualenvwrapper).
Recursos
- Uma grande coleção de modelos de previsão; de modelos estatísticos (como ARIMA) a modelos de aprendizado profundo (como N-BEATS)
- TimeSeries pode ser multivariado - ou seja, conter várias dimensões variáveis no tempo em vez de um único valor escalar
- Todos os modelos baseados em aprendizado de máquina (incluindo todas as redes neurais) suportam o treinamento em várias séries (potencialmente multivariadas)
- Objetos TimeSeries podem (opcionalmente) representar séries temporais estocásticas; isso pode, por exemplo, ser usado para obter intervalos de confiança, e muitos modelos suportam diferentes tipos de previsão probabilística
- Muitos modelos em Darts suportam séries temporais de covariáveis (dados externos) observadas no passado e/ou conhecidas no futuro como entradas para produzir previsões
- Além dos dados dependentes do tempo, o TimeSeries também pode conter dados estáticos para cada dimensão, que podem ser explorados por alguns modelos
Linguagem de Programação
Python
Categorias
Este é um aplicativo que também pode ser obtido em https://sourceforge.net/projects/darts.mirror/. Ele foi hospedado em OnWorks para ser executado online da maneira mais fácil a partir de um de nossos Sistemas Operativos gratuitos.
