Dies ist die Windows-App namens NeuralProphet, deren neueste Version als Beta0.5.3.zip heruntergeladen werden kann. Es kann online im kostenlosen Hosting-Anbieter OnWorks für Workstations ausgeführt werden.
Laden Sie diese App namens NeuralProphet with OnWorks kostenlos herunter und führen Sie sie online aus.
Befolgen Sie diese Anweisungen, um diese App auszuführen:
- 1. Diese Anwendung auf Ihren PC heruntergeladen.
- 2. Geben Sie in unserem Dateimanager https://www.onworks.net/myfiles.php?username=XXXXX den gewünschten Benutzernamen ein.
- 3. Laden Sie diese Anwendung in einem solchen Dateimanager hoch.
- 4. Starten Sie einen beliebigen OS OnWorks-Online-Emulator von dieser Website, aber einen besseren Windows-Online-Emulator.
- 5. Rufen Sie vom gerade gestarteten OnWorks Windows-Betriebssystem unseren Dateimanager https://www.onworks.net/myfiles.php?username=XXXXX mit dem gewünschten Benutzernamen auf.
- 6. Laden Sie die Anwendung herunter und installieren Sie sie.
- 7. Laden Sie Wine aus den Software-Repositorys Ihrer Linux-Distributionen herunter. Nach der Installation können Sie dann auf die App doppelklicken, um sie mit Wine auszuführen. Sie können auch PlayOnLinux ausprobieren, eine schicke Schnittstelle über Wine, die Ihnen bei der Installation beliebter Windows-Programme und -Spiele hilft.
Wine ist eine Möglichkeit, Windows-Software unter Linux auszuführen, jedoch ohne Windows. Wine ist eine Open-Source-Windows-Kompatibilitätsschicht, die Windows-Programme direkt auf jedem Linux-Desktop ausführen kann. Im Wesentlichen versucht Wine, genügend Windows von Grund auf neu zu implementieren, damit alle diese Windows-Anwendungen ausgeführt werden können, ohne dass Windows tatsächlich benötigt wird.
SCREENSHOTS:
NeuralProphet
BESCHREIBUNG:
NeuralProphet schließt die Lücke zwischen traditionellen Zeitreihenmodellen und Deep-Learning-Methoden. Es basiert auf PyTorch und kann mit pip installiert werden. Ein auf neuronalen Netzwerken basierendes Zeitreihenmodell, inspiriert von Facebook Prophet und AR-Net, basierend auf PyTorch. Sie finden die in den Tutorials verwendeten Datensätze, einschließlich Datenvorverarbeitungsbeispielen, in unserem neuralprophet-data-Repository. Die Dokumentationsseite ist möglicherweise nicht ganz auf dem neuesten Stand. Docstrings sollten zuverlässig sein, bitte beziehen Sie sich im Zweifelsfall auf diese. Wir arbeiten an einer verbesserten Dokumentation. Wir freuen uns über jede Hilfe zur Verbesserung und Aktualisierung der Dokumentation. Verzögerte Regressoren (gemessene Merkmale, zB Temperatursensor). Zukünftige Regressoren (im Voraus bekannte Merkmale, zB Temperaturvorhersage). Feiertage auf dem Land und wiederkehrende Sonderveranstaltungen. Sparsamkeit der Koeffizienten durch Regularisierung. Plotten für Prognosekomponenten, Modellkoeffizienten sowie endgültige Vorhersagen. Automatische Auswahl von trainingsbezogenen Hyperparametern.
Eigenschaften
- Nach dem Importieren des Pakets können Sie NeuralProphet in Ihrem Code verwenden
- Sie können Ihre Ergebnisse mit den eingebauten Zeichenfunktionen visualisieren
- Wenn Sie in die unbekannte Zukunft prognostizieren möchten, erweitern Sie den Datenrahmen vor der Vorhersage
- Sie können neuralprophet jetzt direkt mit pip installieren
- Stückweiser linearer Trend mit optionaler automatischer Änderungspunkterkennung
- Autokorrelationsmodellierung durch AR-Net
- Fourier-Term Saisonalität zu unterschiedlichen Zeiträumen wie jährlich, täglich, wöchentlich, stündlich
Programmiersprache
Python
Kategorien
Dies ist eine Anwendung, die auch von https://sourceforge.net/projects/neuralprophet.mirror/ abgerufen werden kann. Es wurde in OnWorks gehostet, damit es auf einfachste Weise online von einem unserer kostenlosen Betriebssysteme ausgeführt werden kann.