[b.....f]

Szeregi czasowe są ważnym aspektem wielu gałęzi nauki i reprezentują:
- krzywe blasku ilustrujące zmiany jasności gwiazd w czasie
- krzywe EEG pozwalające na analizę funkcji mózgu
- zmiany kursów akcji na rynku

Przygotowanie szeregów czasowych tak by można było je wykorzystać w algorytmach uczenia maszynowego wymaga dodatkowych nakładów pracy:
- badane zjawisko jest często nierównomiernie próbkowane przez co nie da się wykorzystać szybkiej transformaty Fouriera (trzeba się ratować Lomb-Scargle method)
- poszczególne próbki badanego zjawiska mogą mieć różną długość w czasie
- wiele algorytmów traktuje każdy punkt jednakowo nie uwzględniając ważnej informacji, że dane są posortowane chronologicznie

Tym i innym problemom wychodzi naprzeciw biblioteka cesium zaprezentowana podczas konferencji SciPy 2016 przez Bretta Naula.

Link do znaleziska

Uprzejmie proszę o wykopywanie.

#mikroreklama #python #nauka #programowanie #machinelearning #astronomia #gruparatowaniapoziomu

[b.....f]

@bcrf: Link do papieru z Proceedings of the 15th "Python in science" conference