很多开发者都利用 Python 作为他们的主要开发语言，其中一个原因是 Python 拥有一个强大的标准库。通过各种库函数，开发者可以快速地进行代码编写。本文将为读者介绍一个用于分析时间序列数据的 Python 库：Deeptime。特别地，该库实现了降维、聚类和马尔可夫模型估计等算法。
此外，该库的 API 与 scikit-learn 的类似，并通过鸭子类型（duck typing）为工具供给基本的兼容性。
项目地点：https://github.com/deeptime-ml/deeptime
装置方法
Deeptime 库装置非常简单，可通过 conda，装置方式以下所示：
git clone https://github.com/deeptime-ml/deeptime.git
cd deeptime
git submodule update –init
conda install numpy scipy cython scikit-learn
python setup.py install
也可通过 pip，装置方式以下所示：
pip install git+https://github.com/deeptime-ml/deeptime.git@master
简要介绍
Deeptime 库支持的算法包括动态数据降维、利用神经网络进行深度降维、SINDy、马尔可夫状态模型、隐马尔可夫模型等。此外该库还供给有利用的 API 文档、日志更新等其他内容。
以上图红框中标出的动态数据降维算法为例，鼠标点击该算法，在一级标题下会出现其包含的子标题。点击你想了解的词条，便可链接到相映的说明文档。例如当你点击 Dimension reduction，会出现下级目录，如 TICA、VAMP/time-lagged CCA 等。点击相映算法便可链接到对应的说明文档。
除此以外，该库也为用户供给了相映的示例研究，以供学习。
Deeptime 详细文档地点：https://deeptime-ml.github.io/
原创文章，作者：机器之心，如若转载，请注明出处：https://www.iaiol.com/news/35649
