Există un nou Interfață de linie de comandă (CLI) pentru API -ul Techtonique, care lucrează la toate sistemele de operare (Windows, MacOS, Linux). Pentru mai multe detalii, despre cum să -l instalați, consultați https://github.com/techtonique/cli. Iată câteva exemple (există mai multe în readme).
Exportați rezultatele într -un fișier JSON:
techtonique forecasting univariate /Users/t/Documents/datasets/time_series/univariate/a10.csv --base_model RidgeCV --h 10 > forecast.json
Exportați rezultatele într -un fișier CSV cu coloane selectate:
techtonique forecasting univariate /Users/t/Documents/datasets/time_series/univariate/a10.csv --base_model RidgeCV --h 10 --select "lower, upper, mean" --to-csv forecast.csv
Complot:
# Display plot interactively techtonique forecasting univariate /Users/t/Documents/datasets/time_series/univariate/a10.csv --h 10 --plot # Create forecast and save plot techtonique forecasting univariate /Users/t/Documents/datasets/time_series/univariate/a10.csv --h 10 --plot-file forecast.png
De asemenea, puteți găsi aceste resurse utile:
Ca amintire a caracteristicilor tehnologice.net:
Puteți simula scenarii predictive folosind R, Python și Excel, folosind API Techtonique, disponibil la https://www.techtonique.net. Fișierele CSV de intrare utilizate în exemple sunt disponibile în Techtonique/seturi de date.
Versiune Excel poate fi găsit în fișierul excel https://github.com/thierrymoudiki/techtonique-excel-server/vba-web.xlsm (în ‘foaia3’). În spatele scenei, folosesc Visual Basic pentru aplicații (VBA) pentru a trimite cereri către API. Tot ce trebuie să faceți pentru a -l vedea în acțiune este să obțineți un jeton și să apăsați un buton. Nu uitați să activați macro -urile în Excel atunci când vi se cere acest lucru (acest lucru este sigur).
Iată Versiunea Pythoncare se bazează pe forecastingapi
Pachet Python:
import forecastingapi as fapi import numpy as np import pandas as pd from time import time import matplotlib.pyplot as plt import ast # examples in https://github.com/Techtonique/datasets/tree/main/time_series path_to_file="/Users/t/Documents/datasets/time_series/univariate/AirPassengers.csv" start = time() res_get_forecast = fapi.get_forecast(path_to_file, base_model="RidgeCV", n_hidden_features=5, lags=25, type_pi='scp2-kde', replications=10, h=10) print(f"Elapsed: {time() - start} seconds n") print(res_get_forecast) # Convert lists to numpy arrays for easier handling mean = np.asarray(ast.literal_eval(res_get_forecast('mean'))).ravel() lower = np.asarray(ast.literal_eval(res_get_forecast('lower'))).ravel() upper = np.asarray(ast.literal_eval(res_get_forecast('upper'))).ravel() sims = np.asarray(ast.literal_eval(res_get_forecast('sims'))) # Plotting plt.figure(figsize=(10, 6)) # Plot the simulated lines for sim in sims: plt.plot(sim, color="gray", linestyle="--", alpha=0.6, label="Simulations" if 'Simulations' not in plt.gca().get_legend_handles_labels()(1) else "") # Plot the mean line plt.plot(mean, color="blue", linewidth=2, label="Mean") # Plot the lower and upper bounds as shaded areas plt.fill_between(range(len(mean)), lower, upper, color="lightblue", alpha=0.2, label="Confidence Interval") # Labels and title plt.xlabel('Time Point') plt.ylabel('Value') plt.title('Spaghetti Plot of Mean, Bounds, and Simulated Paths') plt.legend() plt.show()
Versiunea R. se bazează pe forecastingapi
Pachet R:
path_to_file <- "/Users/t/Documents/datasets/time_series/univariate/AirPassengers.csv" forecastingapi::get_forecast(path_to_file) forecastingapi::get_forecast(path_to_file, type_pi='scp2-kde', h=10L, replications=10L) sims <- forecastingapi::get_forecast(path_to_file, type_pi="scp2-kde", replications=10L)$sims matplot(sims, type="l", lwd=2)
În plus, puteți obține informații din datele tabulare, vorbind cu acestea în techtonique.net. Nu există încă complot (în curând), dar puteți pune deja întrebări precum:
- Care este media coloanei
A
? - Arată -mi primele 5 rânduri de date
- Arată -mi 5 rânduri aleatorii de date
- Care este suma coloanei
B
? - Care este media coloanei
A
grupat după coloanăB
? - …
De asemenea, puteți rula codul R sau Python în mod interactiv în browserul dvs., pe www.techtonique.net/consoles.
Aplicația web Techtonique este un instrument conceput pentru a vă ajuta să luați decizii informate, bazate pe date, folosind matematică, statistici, învățare automată și vizualizare a datelor. În septembrie 2024, instrumentul este în faza beta (sub rezerva prăbușirilor) și va rămâne complet gratuit pentru a fi utilizat până la 30 decembrie 2024. După înregistrare, veți primi un e -mail. Verificați spamurile.
Instrumentul este construit pe Techtonique și pe puternicul ecosistem Python. Sunt disponibile atât interfețe web de clic, cât și interfețe de programare a aplicațiilor (API -uri, vezi mai jos).
În prezent, funcționalitățile disponibile includ:
- Vizualizarea datelor. Exemplu: Ce variabile sunt corelate și în ce măsură?
- Prognoză probabilistică. Exemplu: Care sunt vânzările mele proiectate pentru anul viitor, inclusiv limitele inferioare și superioare?
- Învățare automată (regresie sau clasificare) pentru seturi de date tabulare. Exemplu: Care este gama de prețuri a unui apartament în funcție de vârsta și numărul său de camere?
- Analiza de supraviețuire, analiză Timp de eveniment date. Exemplu: Cât timp ar putea trăi un pacient după ce a fost diagnosticat cu limfomul lui Hodgkin (cancer) și cât de precis este această predicție?
- Rezervarea pe baza datelor privind creanțele de asigurare. Exemplu: Cât ar trebui să am deoparte astăzi pentru a acoperi potențialele accidente care pot apărea în următorii câțiva ani?
Așa cum am menționat anterior, acest instrument include atât interfețe web clic pe clic, cât și interfețe de programare a aplicațiilor (API).
API -urile vă permit să trimiteți cereri de pe computer pentru a efectua sarcini specifice la date resurse. API-urile sunt limbaj-agnostic de programare (care susține Python, R, JavaScript etc.), relativ rapid și nu necesită nicio instalare suplimentară de pachete înainte de utilizare. Acest lucru înseamnă că puteți continua să utilizați limbajul de programare preferat sau codul/instrumentul vechi, atât timp cât poate vorbi la internet. Ce sunt cereri şi resurse?
În Techtonique/API -uri, resurse sunt Învățare statistică/automată (ML) Predicții sau prognoze de model.
Un tip comun de cerere ar putea fi obținerea vânzărilor, a vremii sau a veniturilor prognoze pentru următoarele cinci săptămâni. În general, cererile de sarcini sunt scurte, implicând de obicei un verb și a Calea URL – ceea ce duce la un răspuns.
Mai jos este un exemplu. În acest caz, resursă Vrem să gestionăm este o listă de utilizatori.
– Tip de solicitare (verb): OBŢINE
- Calea URL:
http://users
| Punctul final: utilizatori | Răspuns API: Afișează o listă cu toți utilizatorii - Calea URL:
http://users/:id
| Punct final: utilizatori/: id | Răspuns API: Afișează un utilizator specific
– Tip de solicitare (verb): POST
- Calea URL:
http://users
| Punctul final: utilizatori | Răspuns API: Creează un utilizator nou
– Tip de solicitare (verb): PUNE
- Calea URL:
http://users/:id
| Punct final: utilizatori/: id | Răspuns API: Actualizează un utilizator specific
– Tip de solicitare (verb): ŞTERGE
- Calea URL:
http://users/:id
| Punct final: utilizatori/: id | Răspuns API: Șterge un utilizator specific
În Techtonique/API -uri, ar fi un obiectiv tipic al resurselor /MLmodel
. Deoarece resursele sunt predefinite și nu trebuie să fie actualizate (puse) sau șterse (ștergeți), Fiecare cerere va fi o cerere de postare la a /MLmodel
cu parametri suplimentari pentru modelul ML.
După ce ați citit acest lucru, puteți trece la pagina /Howtoapi.