2026年9月

研究 pypots 和 TimeMixer

目标

  1. 弄清楚 pypots 能做什么, 主要应用场景是什么, 亲身实践2个核心使用场景
  2. 搞清楚 TimeMixer 是怎么应用的, 大概了解它的核心原理.

步骤

pypots 是什么?

Python toolbox for Partially-Observed Time Series, 首先对于程序员来说, 它是一个开源python 库, 主要应用在时序数据的分析上面. 为什么强调部分观测数据? 因为现实情况中很多时候无法获取完整数据, 数据有缺失, 必须要数据清理, 整理, 而 pypots 直接面对这些有缺失数据的时序数据. 内置了 50 多种最先进的（SOTA）经典与深度学习算法（涵盖了基于 GAN、Transformer、扩散模型等技术), 并使用统一的 API 接口(fit/transform/predict),

pypots 能做啥?

  1. 缺失值插补 (Imputation)
  2. 时间序列预测 (Forecasting)
  3. 分类 (Classification)
  4. 聚类 (Clustering)
  5. 异常检测 (Anomaly Detection)

参考:

  1. https://pypots.com/
  2. https://github.com/kwuking/TimeMixer
  3. https://deepwiki.com/kwuking/TimeMixer