ນີ້ແມ່ນແອັບ Windows ທີ່ມີຊື່ວ່າ Darts ເຊິ່ງລຸ້ນຫຼ້າສຸດສາມາດດາວໂຫຼດໄດ້ໃນນາມ Releaseminor0.22.0.zip. ມັນສາມາດດໍາເນີນການອອນໄລນ໌ຢູ່ໃນ OnWorks ຜູ້ໃຫ້ບໍລິການໂຮດຕິ້ງຟຣີສໍາລັບບ່ອນເຮັດວຽກ.
ດາວນ໌ໂຫລດແລະດໍາເນີນການອອນໄລນ໌ app ນີ້ມີຊື່ Darts ກັບ OnWorks ໄດ້ຟຣີ.
ປະຕິບັດຕາມຄໍາແນະນໍາເຫຼົ່ານີ້ເພື່ອດໍາເນີນການ app ນີ້:
- 1. ດາວໂຫຼດຄໍາຮ້ອງສະຫມັກນີ້ໃນ PC ຂອງທ່ານ.
- 2. ໃສ່ໃນຕົວຈັດການໄຟລ໌ຂອງພວກເຮົາ https://www.onworks.net/myfiles.php?username=XXXXX ດ້ວຍຊື່ຜູ້ໃຊ້ທີ່ທ່ານຕ້ອງການ.
- 3. ອັບໂຫລດແອັບພລິເຄຊັນນີ້ຢູ່ໃນຕົວຈັດການໄຟລ໌ດັ່ງກ່າວ.
- 4. ເລີ່ມ emulator ອອນ ໄລ ນ ໌ OS OnWorks ຈາກ ເວັບ ໄຊ ທ ໌ ນີ້, ແຕ່ ດີກ ວ່າ Windows ອອນ ໄລ ນ ໌ emulator.
- 5. ຈາກ OnWorks Windows OS ທີ່ເຈົ້າຫາກໍ່ເລີ່ມຕົ້ນ, ໄປທີ່ຕົວຈັດການໄຟລ໌ຂອງພວກເຮົາ https://www.onworks.net/myfiles.php?username=XXXXX ດ້ວຍຊື່ຜູ້ໃຊ້ທີ່ທ່ານຕ້ອງການ.
- 6. ດາວນ໌ໂຫລດຄໍາຮ້ອງສະຫມັກແລະຕິດຕັ້ງມັນ.
- 7. ດາວໂຫລດ Wine ຈາກບ່ອນເກັບມ້ຽນຊອບແວການແຈກຢາຍ Linux ຂອງທ່ານ. ເມື່ອຕິດຕັ້ງແລ້ວ, ທ່ານສາມາດຄລິກສອງຄັ້ງ app ເພື່ອດໍາເນີນການໃຫ້ເຂົາເຈົ້າກັບ Wine. ນອກນັ້ນທ່ານຍັງສາມາດລອງ PlayOnLinux, ການໂຕ້ຕອບທີ່ແປກປະຫຼາດໃນໄລຍະ Wine ທີ່ຈະຊ່ວຍໃຫ້ທ່ານຕິດຕັ້ງໂປລແກລມ Windows ແລະເກມທີ່ນິຍົມ.
ເຫຼົ້າແວງເປັນວິທີການແລ່ນຊອບແວ Windows ໃນ Linux, ແຕ່ບໍ່ມີ Windows ທີ່ຕ້ອງການ. ເຫຼົ້າແວງແມ່ນຊັ້ນຄວາມເຂົ້າກັນໄດ້ຂອງ Windows ແຫຼ່ງເປີດທີ່ສາມາດເອີ້ນໃຊ້ໂຄງການ Windows ໂດຍກົງໃນ desktop Linux ໃດກໍໄດ້. ໂດຍພື້ນຖານແລ້ວ, Wine ກໍາລັງພະຍາຍາມປະຕິບັດໃຫມ່ຢ່າງພຽງພໍຂອງ Windows ຕັ້ງແຕ່ເລີ່ມຕົ້ນເພື່ອໃຫ້ມັນສາມາດດໍາເນີນການຄໍາຮ້ອງສະຫມັກ Windows ທັງຫມົດໄດ້ໂດຍບໍ່ຕ້ອງໃຊ້ Windows.
ພາບຫນ້າຈໍ:
darts
DESCRIPTION:
Darts ແມ່ນຫ້ອງສະຫມຸດ Python ສໍາລັບການຫມູນໃຊ້ໄດ້ງ່າຍແລະການຄາດຄະເນຂອງຊຸດເວລາ. ມັນປະກອບດ້ວຍຫຼາຍແບບ, ຈາກຄລາສສິກເຊັ່ນ: ARIMA ກັບເຄືອຂ່າຍ neural ເລິກ. ແບບຈໍາລອງທັງຫມົດສາມາດຖືກນໍາໃຊ້ໃນລັກສະນະດຽວກັນ, ການນໍາໃຊ້ຫນ້າທີ່ fit() ແລະຄາດຄະເນ(), ຄ້າຍຄືກັນກັບ scikit-learn. ຫ້ອງສະຫມຸດຍັງເຮັດໃຫ້ມັນງ່າຍຕໍ່ການທົດສອບແບບຈໍາລອງ, ປະສົມປະສານການຄາດຄະເນຂອງຫຼາຍແບບ, ແລະເອົາຂໍ້ມູນພາຍນອກເຂົ້າໃນບັນຊີ. Darts ສະຫນັບສະຫນູນທັງສອງຊຸດເວລາ univariate ແລະ multivariate ແລະແບບຈໍາລອງ. ແບບຈໍາລອງທີ່ອີງໃສ່ ML ສາມາດໄດ້ຮັບການຝຶກອົບຮົມກ່ຽວກັບຊຸດຂໍ້ມູນຂະຫນາດໃຫຍ່ທີ່ມີທ່າແຮງທີ່ມີຊຸດເວລາຫຼາຍ, ແລະບາງແບບຈໍາລອງສະເຫນີການສະຫນັບສະຫນູນທີ່ອຸດົມສົມບູນສໍາລັບການຄາດຄະເນຄວາມເປັນໄປໄດ້. ພວກເຮົາແນະນໍາໃຫ້ທໍາອິດຕິດຕັ້ງສະພາບແວດລ້ອມ Python ທີ່ສະອາດສໍາລັບໂຄງການຂອງທ່ານຢ່າງຫນ້ອຍ Python 3.7 ໂດຍໃຊ້ເຄື່ອງມືທີ່ທ່ານມັກ (conda, venv, virtualenv ມີຫຼືບໍ່ມີ virtualenvwrapper).
ຄຸນລັກສະນະ
- ການເກັບກໍາຂະຫນາດໃຫຍ່ຂອງຮູບແບບການພະຍາກອນ; ຈາກຕົວແບບສະຖິຕິ (ເຊັ່ນ ARIMA) ໄປຫາແບບຈໍາລອງການຮຽນຮູ້ເລິກ (ເຊັ່ນ: N-BEATS)
- TimeSeries ສາມາດເປັນຫຼາຍຕົວແປ - ເຊັ່ນ: ມີຂະຫນາດທີ່ແຕກຕ່າງກັນຂອງເວລາຫຼາຍແທນທີ່ຈະເປັນຄ່າສະເກັດເງິນດຽວ
- ຮູບແບບການຮຽນຮູ້ຂອງເຄື່ອງຈັກທັງໝົດ (ຮວມທັງເຄືອຂ່າຍ neural ທັງໝົດ) ຮອງຮັບການໄດ້ຮັບການຝຶກອົບຮົມໃນຫຼາຍຊຸດ (ຫຼາຍຕົວແປທີ່ເປັນໄປໄດ້)
- ວັດຖຸ TimeSeries ສາມາດ (ເລືອກໄດ້) ເປັນຕົວແທນຂອງຊຸດເວລາ stochastic; ຕົວຢ່າງນີ້ສາມາດຖືກໃຊ້ເພື່ອໃຫ້ໄດ້ຊ່ວງເວລາຄວາມໝັ້ນໃຈ, ແລະຫຼາຍແບບສະໜັບສະໜຸນການພະຍາກອນທີ່ມີລົດຊາດທີ່ແຕກຕ່າງກັນ.
- ຫຼາຍໆຕົວແບບໃນ Darts ຮອງຮັບຊຸດເວລາທີ່ສັງເກດໄດ້ໃນອະດີດ ແລະ/ຫຼື ອະນາຄົດທີ່ຮູ້ຈັກ (ຂໍ້ມູນພາຍນອກ) ເປັນຕົວປ້ອນສໍາລັບການຜະລິດການຄາດຄະເນ
- ນອກເໜືອໄປຈາກຂໍ້ມູນທີ່ຂຶ້ນກັບເວລາ, TimeSeries ຍັງສາມາດມີຂໍ້ມູນສະຖິດສຳລັບແຕ່ລະມິຕິ, ເຊິ່ງສາມາດນຳໃຊ້ໄດ້ໂດຍບາງຕົວແບບ.
ພາສາການຂຽນໂປຣແກຣມ
Python
ປະເພດ
ນີ້ແມ່ນແອັບພລິເຄຊັນທີ່ຍັງສາມາດເອົາມາຈາກ https://sourceforge.net/projects/darts.mirror/. ມັນໄດ້ຖືກຈັດຢູ່ໃນ OnWorks ເພື່ອໃຫ້ດໍາເນີນການອອນໄລນ໌ດ້ວຍວິທີທີ່ງ່າຍທີ່ສຸດຈາກຫນຶ່ງໃນລະບົບປະຕິບັດງານຟຣີຂອງພວກເຮົາ.