Il s'agit de l'application Linux nommée Darts dont la dernière version peut être téléchargée en tant que Releaseminor0.26.0.zip. Il peut être exécuté en ligne dans le fournisseur d'hébergement gratuit OnWorks pour les postes de travail.
Téléchargez et exécutez en ligne gratuitement cette application nommée Fléchettes avec OnWorks.
Suivez ces instructions pour exécuter cette application :
- 1. Téléchargé cette application sur votre PC.
- 2. Entrez dans notre gestionnaire de fichiers https://www.onworks.net/myfiles.php?username=XXXXX avec le nom d'utilisateur que vous voulez.
- 3. Téléchargez cette application dans ce gestionnaire de fichiers.
- 4. Démarrez l'émulateur en ligne OnWorks Linux ou Windows en ligne ou l'émulateur en ligne MACOS à partir de ce site Web.
- 5. Depuis le système d'exploitation OnWorks Linux que vous venez de démarrer, accédez à notre gestionnaire de fichiers https://www.onworks.net/myfiles.php?username=XXXXX avec le nom d'utilisateur que vous souhaitez.
- 6. Téléchargez l'application, installez-la et exécutez-la.
CAPTURES D'ÉCRAN
Ad
jeu de fléchettes
DESCRIPTION
fléchettes est une bibliothèque Python pour une manipulation et une prévision faciles des séries temporelles. Il contient une variété de modèles, des classiques tels que ARIMA aux réseaux de neurones profonds. Les modèles peuvent tous être utilisés de la même manière, en utilisant les fonctions fit() et predict(), similaires à scikit-learn. La bibliothèque facilite également le backtest des modèles, la combinaison des prédictions de plusieurs modèles et la prise en compte de données externes. Darts prend en charge les séries chronologiques et les modèles univariés et multivariés. Les modèles basés sur ML peuvent être formés sur des ensembles de données potentiellement volumineux contenant plusieurs séries chronologiques, et certains des modèles offrent un support riche pour la prévision probabiliste. Nous vous recommandons de configurer d'abord un environnement Python propre pour votre projet avec au moins Python 3.7 en utilisant votre outil préféré (conda, venv, virtualenv avec ou sans virtualenvwrapper).
Caractéristiques
- Une grande collection de modèles de prévision ; des modèles statistiques (tels que ARIMA) aux modèles d'apprentissage en profondeur (tels que N-BEATS)
- TimeSeries peut être multivarié - c'est-à-dire contenir plusieurs dimensions variant dans le temps au lieu d'une seule valeur scalaire
- Tous les modèles basés sur l'apprentissage automatique (y compris tous les réseaux de neurones) prennent en charge la formation sur plusieurs séries (potentiellement multivariées)
- Les objets TimeSeries peuvent (éventuellement) représenter des séries chronologiques stochastiques ; cela peut par exemple être utilisé pour obtenir des intervalles de confiance, et de nombreux modèles prennent en charge différentes saveurs de prévision probabiliste
- De nombreux modèles dans Darts prennent en charge les séries chronologiques de covariables (données externes) observées dans le passé et/ou connues dans le futur comme entrées pour produire des prévisions
- En plus des données dépendant du temps, TimeSeries peut également contenir des données statiques pour chaque dimension, qui peuvent être exploitées par certains modèles
Langage de programmation
Python
Catégories
Il s'agit d'une application qui peut également être récupérée à partir de https://sourceforge.net/projects/darts.mirror/. Il a été hébergé dans OnWorks afin d'être exécuté en ligne de la manière la plus simple à partir de l'un de nos systèmes d'exploitation gratuits.
