KIT | KIT-Bibliothek | Impressum | Datenschutz

Non-Sequential Machine Learning Pipelines with pyWATTS

Heidrich, Benedikt 1; Phipps, Kaleb ORCID iD icon 2; Meisenbacher, Stefan 1; Turowski, Marian ORCID iD icon 1; Neumann, Oliver 1; Mikut, Ralf ORCID iD icon 1; Hagenmeyer, Veit ORCID iD icon 1
1 Institut für Automation und angewandte Informatik (IAI), Karlsruher Institut für Technologie (KIT)
2 Institut für Programmstrukturen und Datenorganisation (IPD), Karlsruher Institut für Technologie (KIT)

Abstract:

pyWATTS is an open-source Python-based workflow automation tool for time series analysis. pyWATTS simplifies the evaluation process and the design of repetitive machine learning experiments with time series by providing a powerful pipeline solution including preprocessing and analysis modules.<br> Unlike existing sequential pipeline solutions, pyWATTS enables more complex and non-sequential pipelines. Such non-sequential pipelines are beneficial, for example, in forecasting electrical load time series, detecting anomalies in time series, or generating synthetic time series. This talk presents the basic ideas of pyWATTS, the current features, and existing use cases. It also gives an outlook on the future developments of pyWATTS and the cooperation with sktime.


Volltext §
DOI: 10.5445/IR/1000156996
Veröffentlicht am 17.03.2023
Originalveröffentlichung
DOI: 10.5281/zenodo.7740850
Cover der Publikation
Zugehörige Institution(en) am KIT Institut für Automation und angewandte Informatik (IAI)
Institut für Programmstrukturen und Datenorganisation (IPD)
Publikationstyp Forschungsbericht/Preprint
Publikationsjahr 2023
Sprache Englisch
Identifikator KITopen-ID: 1000156996
HGF-Programm 37.12.02 (POF IV, LK 01) Design,Operation & Digitalization of the Future Energy Grids
Verlag Zenodo
Umfang 25 S.
Vorab online veröffentlicht am 16.03.2023
Schlagwörter Machine Learning; Framework; Pipeline
KIT – Die Forschungsuniversität in der Helmholtz-Gemeinschaft
KITopen Landing Page