PyPOTS v0.13版本发布:新增五种时序分类模型与多项功能优化
时序数据处理开源工具库PyPOTS发布了v0.13版本,该版本在时序表征学习和分类任务方面带来了重要更新。PyPOTS是一个专注于处理部分观测时序数据(POTS)的Python工具库,提供了从数据预处理到模型训练、评估的完整解决方案,特别适合处理现实世界中常见的带有缺失值的时序数据。
核心更新内容
新增TS2Vec表征学习模块
v0.13版本引入了TS2Vec模块(pypots.vec.ts2vec
),这是一个强大的时序表征学习工具。TS2Vec能够从部分观测的时序数据中学习有效的向量表示,这些表示可以用于下游的各种机器学习任务。与传统的时序特征提取方法不同,TS2Vec通过对比学习的方式,能够捕捉时序数据中的长期依赖关系和局部模式。
五种时序分类模型实现
本次更新为PyPOTS的分类模型家族新增了五个成员,使得时序分类任务有了更多选择:
- TEFN分类器:基于时序关注力的分类网络
- iTransformer分类器:创新的Transformer变体,特别适合时序数据
- SAITS分类器:基于自注意力机制的时序分类模型
- TimesNet分类器:利用时序周期性特征进行分类
- TS2Vec分类器:基于表征学习的分类方法
这些模型覆盖了从传统深度学习到时序特定架构的多种方法,为不同特性的时序数据分类问题提供了丰富的解决方案。
分类结果输出标准化
为了提升API的一致性和易用性,v0.13版本对分类模型的输出格式进行了标准化处理:
- 分类类别结果现在统一通过返回字典中的
classification
键获取 - 分类概率则通过
classification_proba
键返回 - 新增了
predict_proba()
方法,方便用户直接获取分类概率
这种标准化设计使得不同分类模型间的切换更加顺畅,减少了用户的适配成本。
技术优化与问题修复
除了新增功能外,v0.13版本还包含多项技术优化和问题修复:
- 多GPU训练修复:解决了CRLI、Koopa和USGAN模型在多GPU环境下的训练问题
- 模型保存优化:在保存大型语言模型(LLM)时,自动忽略未训练部分,显著减小了模型文件大小
- 设备一致性检查:确保数据和模型始终位于同一计算设备上,避免潜在错误
- 评估模式标准化:在predict()方法开始时自动设置模型为eval模式,提高预测稳定性
- 损失函数优化:调整Criterion使其直接处理logits,提高数值稳定性
对开发者的影响
v0.13版本的这些更新为时序数据处理,特别是带有缺失值的时序分类任务带来了显著改进。开发者现在可以:
- 更灵活地选择适合自己数据的分类模型
- 更稳定地在多GPU环境下训练模型
- 更高效地保存和加载大型模型
- 更一致地处理不同模型的输出结果
这些改进使得PyPOTS在处理现实世界复杂的时序数据问题时更加可靠和高效,特别是在医疗监测、工业设备预测性维护、金融时序分析等领域,这些常常面临数据不完整但又需要精确分类的场景。
随着时序数据在AI应用中的重要性不断提升,PyPOTS通过持续的版本迭代,正逐步成为一个更加全面和强大的时序数据处理工具库。v0.13版本的发布,特别是在表征学习和分类任务方面的增强,将进一步拓展其在复杂时序数据分析中的应用边界。
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~042CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。06GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00openHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!C0295- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选









