scikit学习兼容软件包的模板。
seglearn的Python项目详细描述
seglearn
seglearn是一个用于机器学习时间序列的python包。它为分割、特征提取、特征处理和最终估计提供了一个集成的管道。Seglearn提供了一种灵活的方法，多变量时间序列和相关的上下文（元）数据分类，回归和预测问题。为利用经典机器学习和深度学习模型学习时间序列提供了支持和实例。它与scikit-learn兼容。
文件
安装文档、API文档和示例可以在 documentation。
依赖关系
seglearn经过测试可以在python 2.7和python 3.5下工作。 依赖性要求基于最新的scikit学习版本：
- scipy（>；=0.13.3）
- 纽比（>；=1.8.2）
- 科学套件学习（>；=0.19.0）
此外，要运行示例，您需要：
- matplotlib（>；=2.0.0）
- Keras（>；=2.1.4），用于神经网络示例
- 熊猫
要运行测试用例，您需要：
- pytest
使用tensorflow gpu后端在keras上测试了神经网络实例，推荐使用tensorflow gpu后端。
安装
seglearn learn目前在pypi的存储库中可用，您可以 通过pip安装
pip install -U seglearn
或者如果您使用python3:
pip3 install -U seglearn
如果愿意，可以克隆它并运行setup.py文件。使用以下命令 从github获取副本并安装所有依赖项的命令：
git clone https://github.com/dmbee/seglearn.git cd seglearn pip install .
或者使用pip和github安装：
pip install -U git+https://github.com/dmbee/seglearn.git
测试
安装后，您可以使用pytest从seglearn的根目录运行测试套件：
pytest
更改日志
可以在Change Log中查看版本历史记录。
发展
这套科学仪器的研制与 在scikit学习社区。因此，您可以参考 Development Guide。
请在dev分支上提交新的pull请求以及单元测试和一个示例 演示任何新的功能/API更改。
引用seglearn
如果您在科学出版物中使用seglearn，我们将不胜感激 以下论文的引文：
@article{arXiv:1803.08118,
author = {David Burns, Cari Whyne},
title = {Seglearn: A Python Package for Learning Sequences and Time Series},
journal = {arXiv},
year = {2018},
url = {https://arxiv.org/abs/1803.08118}
}
如果您在科学出版物中使用seglearn测试数据，我们将非常感谢 以下论文的引文：
@article{arXiv:1802.01489,
author = {David Burns, Nathan Leung, Michael Hardisty, Cari Whyne, Patrick Henry, Stewart McLachlin},
title = {Shoulder Physiotherapy Exercise Recognition: Machine Learning the Inertial Signals from a Smartwatch},
journal = {arXiv},
year = {2018},
url = {https://arxiv.org/abs/1802.01489}
}
欢迎加入QQ群-->： 979659372
