Esta es la aplicación de Linux llamada Darts cuya última versión se puede descargar como Releaseminor0.26.0.zip. Se puede ejecutar en línea en el proveedor de alojamiento gratuito OnWorks para estaciones de trabajo.
Descargue y ejecute en línea esta aplicación llamada Darts with OnWorks de forma gratuita.
Siga estas instrucciones para ejecutar esta aplicación:
- 1. Descargue esta aplicación en su PC.
- 2. Ingrese en nuestro administrador de archivos https://www.onworks.net/myfiles.php?username=XXXXX con el nombre de usuario que desee.
- 3. Cargue esta aplicación en dicho administrador de archivos.
- 4. Inicie el emulador en línea OnWorks Linux o Windows en línea o el emulador en línea MACOS desde este sitio web.
- 5. Desde el SO OnWorks Linux que acaba de iniciar, vaya a nuestro administrador de archivos https://www.onworks.net/myfiles.php?username=XXXXX con el nombre de usuario que desee.
- 6. Descarga la aplicación, instálala y ejecútala.
SCREENSHOTS
Ad
Dardos
DESCRIPCIÓN
darts es una biblioteca de Python para una fácil manipulación y pronóstico de series temporales. Contiene una variedad de modelos, desde clásicos como ARIMA hasta redes neuronales profundas. Todos los modelos se pueden usar de la misma manera, usando las funciones fit() y predict(), similar a scikit-learn. La biblioteca también facilita la realización de pruebas retrospectivas de modelos, la combinación de predicciones de varios modelos y la consideración de datos externos. Darts admite series temporales y modelos tanto univariantes como multivariantes. Los modelos basados en ML se pueden entrenar en conjuntos de datos potencialmente grandes que contienen múltiples series temporales, y algunos de los modelos ofrecen un gran soporte para el pronóstico probabilístico. Recomendamos configurar primero un entorno limpio de Python para su proyecto con al menos Python 3.7 usando su herramienta favorita (conda, venv, virtualenv con o sin virtualenvwrapper).
Caracteristicas
- Una gran colección de modelos de pronóstico; desde modelos estadísticos (como ARIMA) hasta modelos de aprendizaje profundo (como N-BEATS)
- TimeSeries puede ser multivariante, es decir, contener múltiples dimensiones variables en el tiempo en lugar de un solo valor escalar
- Todos los modelos basados en aprendizaje automático (incluidas todas las redes neuronales) admiten el entrenamiento en series múltiples (potencialmente multivariadas)
- Los objetos TimeSeries pueden (opcionalmente) representar series temporales estocásticas; esto se puede usar, por ejemplo, para obtener intervalos de confianza, y muchos modelos admiten diferentes sabores de pronóstico probabilístico
- Muchos modelos en Darts admiten series de tiempo de covariables (datos externos) observadas en el pasado y/o conocidas en el futuro como entradas para producir pronósticos.
- Además de los datos dependientes del tiempo, TimeSeries también puede contener datos estáticos para cada dimensión, que pueden ser explotados por algunos modelos.
Lenguaje de programación
Python
Categorías
Esta es una aplicación que también se puede obtener desde https://sourceforge.net/projects/darts.mirror/. Ha sido alojado en OnWorks para poder ejecutarse online de la forma más sencilla desde uno de nuestros Sistemas Operativos gratuitos.