Justin0388

我先做一版翻译的初稿吧

欢迎来到PyPOTS 一个致力于部分观测时间序列(POTS)机器学习任务的Python工具箱 ⦿ `开发背景`: 在现实数据收集场景下，收集者常常会面临传感器故障、通信异常、受访者隐私保护等问题，导致最终收集的时间序列数据集中存在缺失值。 数据缺失将会严重影响数据使用者后续的深入分析与应用，那么如何对现实场景下部分观测时间序列（POTS）进行机器学习建模成为一个亟需解决的问题。 当前市面上也还没有适用于POTS的机器学习专用工具箱。因此，旨在填补该空白的“PyPOTS”工具箱应运而生。 ⦿ `应用意义`: PyPOTS（发音为"Pie Pots"）旨在成为一个让POTS的机器学习任务变得简单的工具箱。工程师和研究人员可以通过PyPOTS轻松处理其数据集中的缺失部分， 进而让他们能够聚焦于解决核心问题。PyPOTS目前已涵盖大量经典的以及先进的多变量POTS机器学习算法，后续也将持续整合该领域最新的算法。除了各种算法外， PyPOTS还将拥有统一的API以及详细文档和交互式案例教程。 🤗 如果您认为PyPOTS是一个有用的工具箱，请将该项目设为**星标**🌟，以帮助更多人关注到它。 🤗 如果PyPOTS对您的研究有帮助，请在您的成果中 [引用 PyPOTS](https://github.com/WenjieDu/PyPOTS#-citing-pypots)。这对我们的开源研究工作具有重大意义，感谢您的支持！ 该说明文档的后续内容如下: [**❖ 支持的算法**](#-available-algorithms), [**❖ PyPOTS 生态系统**](#-pypots-ecosystem), [**❖ 安装说明**](#-installation), [**❖ 应用案例**](#-usage), [**❖...

汇总了一下近期各位伙伴们给出的修改建议，下面是 中文ReadmeV2.0，再一起看看还有没有润色改进的空间！

欢迎来到PyPOTS 一个致力于部分观测时间序列(POTS)机器学习任务的Python工具箱 ⦿ `开发背景`: 由于传感器故障、通信异常以及不可预见的未知原因，在现实环境中收集的时间序列数据普遍存在缺失值，这使得部分观测时间序列（partially-observed time series，简称为POTS）成为开放世界建模中普遍存在的问题。 数据缺失将会严重影响数据使用者后续的深入分析与应用，那么如何面向POTS建模成为一个亟需解决的问题。尽管已存在大量的研究，但当前没有专门针对POTS建模开发的工具箱。基于此，旨在填补该领域空白的“PyPOTS”工具箱应运而生。 ⦿ `应用意义`: PyPOTS（发音为"Pie Pots"）是一个易上手的工具箱，工程师和研究人员可以通过PyPOTS轻松处理其数据集中的缺失部分，进而将注意力更多地聚焦在要解决的核心问题上。PyPOTS会持续不断的更新关于部分观测多变量时间序列（partially-observed multivariate time series）的经典算法和先进算法。除此之外，PyPOTS还提供了统一的应用程序接口（Application programming interfaces，简称为APIs）,详细的算法学习指南和应用示例。 🤗 如果您认为PyPOTS是一个有用的工具箱，请将该项目设为**星标**🌟，以帮助它被更多人所了解。 🤗 如果PyPOTS对您的研究有帮助，请在您的成果中 [引用 PyPOTS](https://github.com/WenjieDu/PyPOTS#-citing-pypots)。这是对我们开源研究工作的最大支持，感谢您的支持！ 该说明文档的后续内容如下: [**❖ 支持的算法**](#-available-algorithms), [**❖ PyPOTS 生态系统**](#-pypots-ecosystem), [**❖...

I'm going to add this classification model to PyPOTS.

实验中用到的几个都是公开的数据集，可以利用PyPOTS中的[TSDB](https://github.com/WenjieDu/TSDB)库进行下载