时间序列数据的深度学习
项目描述
mcfly的目标是简化时间序列分类和回归中深度学习技术的使用。深度学习的优点是它可以直接处理原始数据，而无需计算信号特征。深度学习不需要关于数据的专家领域知识，并且已被证明与传统的机器学习技术具有竞争力。例如，您可以将mcfly应用于加速度计数据进行活动分类，如教程中所示。
如果您在研究中使用了mcfly，请引用以下软件论文
D. van Kuppevelt, C. Meijer, F. Huber, A. van der Ploeg, S. Georgievska, V.T. van Hees. Mcfly: Automated deep learning on time series. SoftwareX, Volume 12, 2020. doi: 10.1016/j.softx.2020.100548
安装
先决条件
- Python 3.7, 3.8, 3.9或3.10
- pip
- Tensorflow 2
在单独的conda环境中安装所有依赖项
conda env create -f environment.yml
# activate this new environment
source activate mcfly
要安装此包，请在项目目录下运行
pip安装mcfly
可视化
我们构建了一个工具来可视化模型的配置和性能。该工具可以在http://nlesc.github.io/mcfly/找到。要在您的计算机上运行模型可视化，请切换到html目录并启动python网络服务器
python -m http.server 8888 &
在浏览器中导航到http://localhost:8888/以打开可视化。有关可视化的更详细描述，请参阅用户手册。
用户文档
贡献
欢迎您通过pull请求为代码做出贡献。请参阅NLeSC指南以获取有关软件开发指南。
我们使用numpy风格的docstrings进行代码文档。
许可
麦飞（mcfly）的源代码和数据采用Apache许可证，版本2.0。
下载文件
下载适用于您的平台的文件。如果您不确定选择哪个，请了解更多关于安装包的信息。
源代码分发
构建分发
mcfly-4.0.0.tar.gz的哈希值
| 算法 | 哈希摘要 | |
|---|---|---|
| SHA256 | 3dc9dbcc06da7f168a48bf6d67bb5c33ed9a427507e3b967cf3c517d5696e93c |
|
| MD5 | 78f14bc940e9553cec83827a9a2185d7 |
|
| BLAKE2b-256 | c402e71ce41f317b3e552cae138c899101ca6fbc2f6b55714172ab11aa810eca |
mcfly-4.0.0-py3-none-any.whl的哈希值
| 算法 | 哈希摘要 | |
|---|---|---|
| SHA256 | 52044646fccf338982863677186cab7e08f5a536b3f95b313ec60a1ce0c01cf5 |
|
| MD5 | 87248b09fb59e7a1a499edb97b686b42 |
|
| BLAKE2b-256 | 55a351d8e4709d371f19252342400e677e44b684ae54c395ee372eb5828ff6f8 |