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

1. 大模型知道它对某些概念不懂吗?

   • 测试大模型是不是对某些概念不懂?
   • 大模型提出问题?

1. ETF: Exchange Trade Funds 交易型开放式基金, 它兼具基金组合投资和股票在二级市场交易的属性.

   • 主动 ETF(主动选择投资标的) / 被动 ETF(被动跟踪指数)
   • 场内基金 / 场外基金 (ETF 联接基金, 方便没有股票账户的投资者购入)
2. 一级市场: Primary Market 证券首次被创造和出售(IPO或再融资)的地方,是发行人和初始投资者之间的交易,资金直接流向发行公司。
3. 二级市场: 已经发行的证券进行交易和流通的地方,为已发行的证券提供流动性和价格发现.

1. 预测: 短期预测, 长期(半年/1年,3年预测), 行业预测/单公司预测
2. 信息收集, 信息推理

这里记录一些认为经典的LLM 学习资源

1. The Illustrated Transformer Transformer 详细说明, 简单易懂
2. Neural Networks: Zero to Hero

1. 破窗效应
2. 高斯分布
3. 马太效应
4. 二八原则
5. 囚徒困境