有关详细信息和使用说明，请参阅文档

Springtime

Springtime是一个项目和Python包，旨在简化使用现象学数据集进行机器学习的工作流程。

现象学是研究植物和动物生命周期的科学学科。一个共同目标是开发（机器学习）模型，可以解释或预测现象学事件的发生，例如植物的开花。由于存在各种数据源和现有工具来检索和分析现象学数据，因此很容易迷失和混乱。

春天核心是一个遵循scikit-learn标准结构的数据表示。Springtime Python包实现了各种数据集的（下）加载器，能够将这些数据转换为相同的结构。数据加载规范可以导出为yaml食谱，便于共享。

文档包含一个详尽的用户指南，展示了每个数据加载器如何将原始数据转换为标准数据格式。还包括使用各种（组合的）模型的示例。

这里提出的数据结构仍然不理想，应被视为在物候建模中标准化工作流程的第一步。我们希望它将作为讨论和进一步发展的基础。

示例任务

根据间接观测（例如卫星数据）和/或其他指标（例如阳光和温度）预测普通丁香首次开花的日子。