Advertisement

UCR的时间序列数据集

  •  5星
  •     浏览量: 0
  •     大小:None
  •      文件类型：None

简介：
UCR时间序列数据集是由加州大学河滨分校维护的一个大规模时间序列数据库集合，旨在促进时间序列数据分析和挖掘的研究。 在时间序列领域，“Imagnet”是常用的数据集参考标准。这些数据集中大约有128个被广泛使用，例如ECG5000、GunPoint和coffee等。相比于2015版，这些数据集有了大量的更新。早期的工作由NSF职业奖0237918资助，并通过NSF IIS-1161997 II 和 NSF IIS 1510741继续获得支持直到2018年秋季。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • UCR时间序列数据集
    优质
    UCR时间序列数据集是由加州大学河滨分校维护的一个庞大的时间序列数据集合，广泛应用于模式识别与数据挖掘领域。该库包含多种类型的时间序列数据，为研究人员提供了丰富的实验资源和基准测试环境。 大约有128个数据集，比如ECG5000、GunPoint、coffee等。
     
  • UCR的时间序列数据集
    优质
    UCR时间序列数据集是由加州大学河滨分校维护的一个大规模时间序列数据库集合，旨在促进时间序列数据分析和挖掘的研究。 在时间序列领域，“Imagnet”是常用的数据集参考标准。这些数据集中大约有128个被广泛使用，例如ECG5000、GunPoint和coffee等。相比于2015版，这些数据集有了大量的更新。早期的工作由NSF职业奖0237918资助，并通过NSF IIS-1161997 II 和 NSF IIS 1510741继续获得支持直到2018年秋季。
     
  • UCR时间序列数据集.rar
    优质
    UCR时间序列数据集包含了广泛用于模式识别和机器学习研究的时间序列数据。此资源为研究人员与学生提供了一个测试新算法性能的标准平台。 时间序列数据集（UCR）.rar
     
  • 128个单变量时间序列的UCR数据集
    优质
    此简介介绍了一个包含128个单变量时间序列的数据集，该数据集遵循UCR（University of California Riverside）格式，广泛应用于时间序列分析与机器学习研究。 128个单变量时间序列数据的UCR数据集可以用于进行时间序列分类等任务，包含多种类型的单变量时间序列数据。解压密码为attempttoclassify或someone。
     
  • 用于时间序列分析的必备数据集：UCR数据集
    优质
    UCR数据集是一系列专为时间序列分析设计的数据集合，广泛应用于模式识别、分类和回归等领域，是研究与开发中的重要资源。 目前最新整理的UCR数据集（UCRArchive）包含一个完整的压缩包，共有129个数据集。压缩包无需解压码即可打开。
     
  • UCR时序数据集分析
    优质
    本研究聚焦于UCR（University of California, Riverside）提供的丰富时序数据集，深入探索其多样性和复杂性，旨在促进模式识别与时间序列数据分析领域的进展。 本资源提供最新UCR时序数据集，包含128个时间序列数据。时间序列数据是指同一指标按时间顺序记录的数据列，并且这些数据必须具有可比性以确保准确性。这类数据可以是时期数或时点数。 进行时间序列分析的目的是通过研究样本内的时间序列统计特性和发展规律，建立模型并预测未来趋势。最近的主要更新发生在2018年秋季，该资源最初的研究工作得到了NSF职业奖0237918的支持，并且后续的发展获得了NSF IIS-1161997 II和NSF IIS 1510741的资助。
     
  • 时间序列预测的数据集 时间序列预测的数据集
    优质
    简介：时间序列预测的数据集包含按时间顺序排列的历史观测值，用于训练和评估预测模型。这些数据涵盖多种领域如金融、气象等，帮助研究者分析趋势及模式以进行未来事件的预估。 时间序列预测数据集包含了用于分析和建模的时间顺序记录的数据集合。这些数据通常被用来进行趋势分析、模式识别以及未来值的预测，在金融、气象学等领域有广泛应用。准备这样的数据集需要确保其包含足够长的历史信息，以便模型能够捕捉到潜在的趋势与周期性变化，并且要保证数据的质量以提高预测准确性。
     
  • 时间序列预测的数据集，时间序列预测的数据集
    优质
    本数据集专为时间序列预测设计，包含大量历史观测值，适用于多种模型训练与验证，涵盖金融、气象等领域，助力提高预测准确度。 时间序列预测数据集时间序列预测数据集时间序列预测数据集
     
  • 针对时间序列预测的时间序列数据集
    优质
    本数据集专为时间序列预测设计，包含历史观测值及其对应标签，适用于训练模型进行趋势分析和未来值预测。 时间序列数据集包含按时间顺序排列的一系列观测值。这类数据常用于分析趋势、季节性变化及预测未来事件。在处理此类数据时，重要的是确保每个观察值的时间戳准确无误，并且要考虑潜在的自相关性以避免模型过度拟合。此外，选择合适的特征工程方法对于提高模型性能至关重要，例如差分操作可以消除时间序列中的趋势成分；而季节调整则有助于减少周期性波动对分析结果的影响。
     
  • 时间序列数据集合
    优质
    本数据集包含丰富的时间序列信息，涵盖多个领域和应用场景，旨在支持学术研究与模型训练需求。 所有数据集均来自Kaggle。首先，我进行了数据探索和可视化，并将数据分为训练集和验证集。接着，我使用了几种时间序列模型来预测这些数据。所使用的预测方法包括：简单平均、移动平均、简单指数平滑法、霍尔特线性趋势法、霍尔特-温特斯法以及ARIMA/SARIMA。