首页
快速入门
用户指南
API 参考
示例
发行说明
GitHub
Twitter
异常检测
异常聚合器
AND 聚合器
集成 scikit-learn 聚合器
OR 聚合器
异常模型
过滤异常模型
预测异常模型
异常检测器
分位数检测器
阈值检测器
异常评分器
差异评分器
k-means 评分器
NLL Cauchy 评分器
NLL 指数评分器
NLL Gamma 评分器
NLL 高斯评分器
NLL Laplace 评分器
NLL 泊松评分器
Norm Scorer
PyOD 评分器
Wasserstein 评分器
异常检测工具
数据处理
动态时间规整 (DTW)
动态时间规整 (DTW)
DTW 窗口
时间轴编码器
编码器基类
时间轴编码器
数据转换器
数据转换器基类
Box-Cox 变换器
差异转换器
可适应数据转换器基类
可逆数据变换器基类
Mapper 和 InvertibleMapper
混合数据采样 (MIDAS) 变换器
缺失值填充器
层次化协调
Scaler
静态协变量转换器
窗口变换器
管道
数据集
可解释性
可解释性结果
回归模型的Shap解释器
TFT 解释器 用于 Temporal Fusion Transformer (TFTModel)
指标
指标
模型
过滤模型
高斯过程
卡尔曼滤波器
移动平均
预测模型
ARIMA
AutoARIMA
基线模型
块递归神经网络
CatBoost 模型
Croston 方法
D-线性
指数平滑
快速傅里叶变换
全局基线模型(朴素)
卡尔曼滤波预测器
LightGBM 模型
线性回归模型
N-BEATS
N-HiTS
N-线性
Facebook Prophet
随机森林
回归集成模型
回归模型
循环神经网络
StatsForecastAutoARIMA
StatsForecastAutoCES
StatsForecastAutoETS
StatsForecastAutoTheta
BATS 和 TBATS
时间卷积网络
时间融合变换器 (TFT)
Theta 方法
时间序列密集编码器 (TiDE)
Transformer 模型
时间序列混合器 (TSMixer)
VARIMA
XGBoost 模型
工具
时间序列数据集
基于地平线的训练数据集
推理数据集
顺序训练数据集
移位训练数据集
训练数据集基类
似然模型
PyTorch 损失函数
用于填充缺失值的工具
模型选择工具
时间序列统计
时间序列生成工具
Pytorch 的工具及其使用
附加的实用函数
附加的实用函数
时间序列
过滤模型
¶
高斯过程
卡尔曼滤波器
移动平均
上一页
<no title>
下一页
<no title>