Accueil Projets orbit
orbit
Python

orbit

Un paquet Python pour la prévision bayésienne avec un design orienté objet et des modèles probabilistes sous le capot.

par uber · GitHub
Étoiles
Forks
Créé
Dernier commit
Catégorie
Langue
arimabayesianbayesian-methodsPython
Voir sur GitHub
En termes simples

Prévoir des événements futurs en utilisant un package qui applique des méthodes bayésiennes pour l'analyse statistique.

Vous maintenez ce projet ?

Revendiquez sa page : indexée quel que soit son rang, traduite en six langues, et enrichie de vos propres mots.

Revendiquer cette page →
orbit — GitHub preview card
📈 Historique des étoiles
2 0622 058
2026-07-072026-08-31
📈 Suivez orbit

Recevez une alerte par e-mail à sa prochaine version ou quand il décolle — ne ratez plus rien.

Gratuit · sans carte · désinscription à tout moment
Recevoir des alertes e-mail →
📄 À propos

Un paquet Python pour la prévision bayésienne avec un design orienté objet et des modèles probabilistes sous le capot.

orbit compte 2.1k étoiles sur GitHub. Il a été forké 148 fois. orbit est écrit principalement en Python. Il est développé activement depuis 2020. Ses principaux thèmes sont : arima, bayesian, bayesian-methods, bayesian-statistics.

Frequently asked questions

Qu'est-ce que orbit ?

Un paquet Python pour la prévision bayésienne avec un design orienté objet et des modèles probabilistes sous le capot.

orbit est-il open source ?

orbit est un projet open source.

orbit est-il gratuit ?

Oui. orbit est gratuit et open source — vous pouvez l'utiliser, le modifier et l'héberger vous-même.

Dans quel langage orbit est-il écrit ?

orbit est écrit principalement en Python.

🏅 Mainteneur de ce projet ?
olud.ai badge — orbit

Ajoutez ce badge en direct à votre README — vos étoiles GitHub et votre classement dans le répertoire, actualisés quotidiennement.

[![olud.ai](https://olud.ai/badge.php?tool=uber-orbit)](https://olud.ai/project/uber-orbit.html)
Plus d'options de badge →
🧬 Partage son ADN avec🧬 Voir la cartographie ADN →

Mesuré à partir des topics GitHub communs aux deux projets, pondérés par leur rareté.