基于apachespark的在线潜在状态估计。
artan的Python项目详细描述
阿坦
基于apachespark的模型并行在线潜在状态估计。在
概述
这个库提供了对apachespark模型并行潜在状态估计的支持，重点是在线 学习与结构化流媒体兼容。主要用于时间序列估计的许多小的潜在变量 缩放系统，如果您正在寻找：
- Model parallelism.模型并行是并行的主要模式，例如训练多个相似的时间序列 来自在线测量/多个传感器的模型，或具有不同优先级/超参数的相同模型等，。。在
- 在线学习。模型参数按顺序更新，测量值只需一次。使用的州 算法以模型和模型参数为界。在
- 潜在状态估计。专注于隐藏状态估计的方法，实现的方法包括 滤波（卡尔曼滤波、EKF、UKF、多模型自适应滤波器等）问题，平滑（RTS）问题， 有限混合模型（多元高斯、泊松、伯努利等）。在
Artan需要scala2.12、Spark 3.0+和python3,6+
下载
此项目已发布到Maven中央存储库。在集群上提交作业时，可以使用
spark-submit使用--packages参数下载所有必需的依赖项，包括python包。在
spark-submit --packages='com.github.ozancicek:artan_2.12:0.5.1'
对于SBT：
^{pr2}$对于python：
pip install artan
注意pip只安装python依赖项。为了提交pyspark作业，应该指定--packages='com.github.ozancicek:artan_2.12:0.5.1'参数以下载必要的jar。在
文档和示例
请访问docs开始，并查看examples中的所有示例脚本。在
结构化流媒体示例
- 局部线性趋势滤波与线性Kalman滤波（python，scala）
- 递归最小二乘法（python，scala）
- 用扩展卡尔曼滤波（scala）进行非线性估计
- 无迹卡尔曼滤波的非线性估计（scala）
- 多模型自适应估计（scala）
- 在线高斯混合模型（python，scala）
- 项目
标签：
欢迎加入QQ群-->： 979659372
