PyOmniTS

任意模型跑任意时序数据集，Agent 也能帮你做实验

开源 free 开发框架

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 105

维护状态活跃

是否开源是

定价模式 free

项目预览

项目数据

分类开发框架

开发团队Ladbaby

所属国家

官网地址https://ladbaby.github.io/PyOmniTS-docs

GitHubhttps://github.com/Ladbaby/PyOmniTS

定价模式free

价格说明开源免费框架，无付费服务

访问状态

是否开源是

开源协议MIT

主要语言Python

技术栈/模型benchmarking,claude-code,codex,deep-learning,gemini-cli,irregular-time-series,missing-values,openclaw,skills,time-series,time-series-analysis,time-series-classification,time-series-forecasting

GitHub 星标★ 105

30天Star增速

HF 下载量

上线时间2025-05-20 00:00:00

代码更新—

仓库体积—

本站数据更新—

维护状态活跃

中文支持

访问方式

移动端支持

综合评分

收录时间2026-10-13

浏览次数0

项目介绍

PyOmniTS 是一个面向时间序列分析的研究者与智能体友好框架，核心目标是让任意模型都能在任意数据集上训练。它把数据加载、模型定义、训练循环和评测流程统一抽象，屏蔽了不同时间序列数据集在采样频率、缺失值、不规则时间戳上的差异，用户只需按约定接口接入模型即可跑通实验。框架同时针对 AI Agent 场景做了适配，支持 Claude Code、Codex、Gemini CLI 等工具链，让智能体可以自动生成、修改和运行时间序列实验代码。内置 benchmarking 能力，便于横向对比不同模型在统一协议下的表现，覆盖缺失值处理、不规则时间序列等真实难点。整体定位是降低时间序列研究的工程门槛，把精力集中在模型创新而非数据管道上，适合需要快速验证想法、批量跑基线或让 Agent 参与实验迭代的团队。