AlignerDtwDtai#

class AlignerDtwDtai(use_c=False, window=None, max_dist=None, max_step=None, max_length_diff=None, penalty=None, psi=None, inner_dist='squared euclidean')[source]#

用于 dtaidistance 时间序列扭曲对齐的对齐器接口。

直接接口到 dtaidistance.dtw_ndim.warping_path 和 dtaidistance.dtw_ndim.warping_path_fast。

此距离涵盖多元数据和任意标量距离作为组件。

参数：
use_c: bool, 可选, 默认=False

是否使用更快的 C 变体：True 表示 C，False 表示 Python。True 需要安装经过 C 编译的 dtaidistance。

  • 如果为 False，使用 dtaidistance.dtw_ndim.distance_matrix。

  • 如果为 True，使用 dtaidistance.dtw_ndim.distance_matrix_fast。

windowinteger, 可选, 默认=无限

Sakoe Chiba 窗口宽度，从对角线到边界。仅允许小于此数值的两个对角线之间的最大偏移。因此，两个序列 s1 和 s2 中索引 i 和 j 之间的最大允许扭曲（即差异）为 |i-j| < 2*window + |len(s1) - len(s2)|。它包括对角线，这意味着通过设置 window=1 可以获得欧氏距离。如果两个序列长度相等，这意味着累积成本矩阵上出现的带宽为 2*window-1。在 DTW 的其他定义中，这个数字可能被称为窗口。

max_dist: float, 可选, 默认=无限

如果返回的值将大于此值，则停止。

max_step: float, 可选, 默认=无限

不允许大于此值的步长。如果两个序列中的两个值之间的差异大于此值，即如果 |s1[i]-s2[j]| > max_step，则将该值替换为无限。

max_length_diff: int, 可选, 默认=无限

如果两个序列长度的差异大于此值，则返回无限。

penalty: float, 可选, 默认=0

应用压缩或扩展时要添加的惩罚

psi: integer 或 4-tuple of integers 或 none, 可选, 默认=none

Psi 松弛参数（忽略匹配的开始和结束）。如果 psi 是一个整数，则用于一对序列的开始和结束松弛。如果 psi 是一个 4 元组，则用作 (序列 1 的开始, 序列 1 的结束, 序列 2 的开始, 序列 2 的结束) 的 psi 松弛。适用于周期性序列。

inner_dist: str, 或 sktime BasePairwiseTransformer, 默认=”squared euclidean”

时间序列中两点之间的距离。

  • 如果为 str，则必须是 ‘squared euclidean’ (默认) 或 ‘euclidean’ 之一。

  • 如果为 estimator，则必须遵循 sktime BasePairwiseTransformer API。有关 scipy 中的一系列距离，请参阅 ScipyDist。

属性：
is_fitted

fit 是否已被调用。

参考文献

[1]

H. Sakoe, S. Chiba, “用于语音识别的动态规划算法优化”，IEEE Transactions on Acoustics, Speech and Signal Processing, vol. 26(1), pp. 43–49, 1978。

方法

check_is_fitted([method_name])

检查评估器是否已拟合。

clone()

获取具有相同超参数和配置的对象克隆。

clone_tags(estimator[, tag_names])

将其他对象的标签克隆为动态覆盖。

create_test_instance([parameter_set])

使用第一个测试参数集构造类的实例。

create_test_instances_and_names([parameter_set])

创建所有测试实例的列表以及它们名称的列表。

fit(X[, Z])

根据要对齐的序列拟合对齐。

get_aligned()

返回传递给 fit 的序列的对齐版本。

get_alignment()

返回传递给 fit 的序列的对齐（iloc 索引）。

get_alignment_loc()

返回传递给 fit 的序列的对齐（loc 索引）。

get_class_tag(tag_name[, tag_value_default])

从类中获取类标签值，并包含来自父类的标签级别继承。

get_class_tags()

从类中获取类标签，并包含来自父类的标签级别继承。

get_config()

获取 self 的配置标志。

get_distance()

返回对齐的总体距离。

get_distance_matrix()

返回对齐的距离矩阵。

get_fitted_params([deep])

获取已拟合参数。

get_param_defaults()

获取对象的参数默认值。

get_param_names([sort])

获取对象的参数名称。

get_params([deep])

获取此对象的参数值字典。

get_tag(tag_name[, tag_value_default, ...])

从实例中获取标签值，并包含标签级别继承和覆盖。

get_tags()

从实例中获取标签，并包含标签级别继承和覆盖。

get_test_params([parameter_set])

对齐器的测试参数。

is_composite()

检查对象是否由其他 BaseObjects 组成。

load_from_path(serial)

从文件位置加载对象。

load_from_serial(serial)

从序列化的内存容器加载对象。

reset()

将对象重置到干净的初始化后状态。

save([path, serialization_format])

将序列化的 self 保存到字节类对象或 (.zip) 文件。

set_config(**config_dict)

将配置标志设置为给定值。

set_params(**params)

设置此对象的参数。

set_random_state([random_state, deep, ...])

设置 self 的伪随机数种子参数。

set_tags(**tag_dict)

将实例级别的标签覆盖设置为给定值。
classmethod get_test_params(parameter_set='default')[source]#

对齐器的测试参数。

check_is_fitted(method_name=None)[source]#

检查评估器是否已拟合。

检查 _is_fitted 属性是否存在且为 True。在调用对象的 fit 方法时，is_fitted 属性应设置为 True。

如果不是，则引发 NotFittedError。

参数：
method_namestr, 可选

调用此函数的方法的名称。如果提供，错误消息将包含此信息。

引发：
NotFittedError

如果评估器尚未拟合。

clone()[source]#

获取具有相同超参数和配置的对象克隆。

克隆是一个不同的对象，没有共享引用，处于初始化后状态。此函数等同于返回 sklearn.clone 的 self。

等同于使用 self 的参数构造一个新实例 type(self)，即 type(self)(**self.get_params(deep=False))。

如果对 self 设置了配置，则克隆也将具有与原始对象相同的配置，等同于调用 cloned_self.set_config(**self.get_config())。

在值上，这也等同于调用 self.reset，不同之处在于 clone 返回一个新对象，而不是像 reset 那样改变 self。

引发：
如果由于错误的 __init__ 导致克隆不符合要求，则会引发 RuntimeError。
clone_tags(estimator, tag_names=None)[source]#

将其他对象的标签克隆为动态覆盖。

每个 scikit-base 兼容对象都有一个标签字典。标签可用于存储有关对象的元数据，或控制对象的行为。

标签是特定于实例 self 的键值对，它们是构建对象后不会更改的静态标志。

clone_tags 从另一个对象 estimator 设置动态标签覆盖。

clone_tags 方法应仅在对象的 __init__ 方法中，在构建过程中调用，或通过 __init__ 直接调用。

动态标签被设置为 estimator 中标签的值，名称在 tag_names 中指定。

tag_names 的默认值将 estimator 中的所有标签写入 self。

可以通过 get_tags 或 get_tag 查看当前的标签值。

参数：
estimator:class:BaseObject 或派生类的实例
tag_namesstr 或 str 列表, 默认 = None

要克隆的标签名称。默认值 (None) 克隆 estimator 中的所有标签。

返回：
self

对 self 的引用。

classmethod create_test_instance(parameter_set='default')[source]#

使用第一个测试参数集构造类的实例。

参数：
parameter_setstr, 默认=”default”

要返回的测试参数集的名称，用于测试。如果某个值未定义特殊参数，将返回 “default” 集。

返回：
instance具有默认参数的类的实例
classmethod create_test_instances_and_names(parameter_set='default')[source]#

创建所有测试实例的列表以及它们名称的列表。

参数：
parameter_setstr, 默认=”default”

要返回的测试参数集的名称，用于测试。如果某个值未定义特殊参数，将返回 “default” 集。

返回：
objscls 实例列表

第 i 个实例是 cls(**cls.get_test_params()[i])

namesstr 列表, 与 objs 长度相同

第 i 个元素是测试中第 i 个 obj 实例的名称。如果实例不止一个，命名约定为 {cls.__name__}-{i}，否则为 {cls.__name__}。

fit(X, Z=None)[source]#

根据要对齐的序列拟合对齐。

状态变化

将状态更改为“fitted”。

写入 self

将 self._is_fitted 标志设置为 True。将 X 和 Z 分别存储到 self._X 和 self._Z 中。设置以“_”结尾的已拟合模型属性。

参数：
X长度为 n 的 pd.DataFrame (Series) 列表

要对齐的序列集合

Z具有 n 行的 pd.DataFrame, 可选

元数据，Z 的第 i 行对应于 X 的第 i 个元素

get_aligned()[source]#

返回传递给 fit 的序列的对齐版本。

行为：返回传递给 fit 的 X 中未对齐序列的对齐版本

模型应处于拟合状态，从 self 读取拟合模型参数

所需状态

需要状态为“fitted”。

访问 self 中的属性

以“_”结尾的已拟合模型属性。self._is_fitted

返回：
X_aligned_list: 序列格式的 pd.DataFrame 列表

长度为 n，索引对应于传递给 fit 的 X 的索引，第 i 个元素是 X[i] 的重新索引、对齐版本

get_alignment()[source]#

返回传递给 fit 的序列的对齐（iloc 索引）。

行为：返回传递给 fit 的 X 中序列的对齐

模型应处于拟合状态，从 self 读取拟合模型参数

所需状态

需要状态为“fitted”。

访问 self 中的属性

以“_”结尾的已拟合模型属性。self._is_fitted

返回：
对齐格式的 pd.DataFrame，列为 ‘ind’+str(i)（对于整数 i）

列包含 X[i] 映射到对齐坐标的 iloc 索引，用于对齐

get_alignment_loc()[source]#

返回传递给 fit 的序列的对齐（loc 索引）。

行为：返回传递给 fit 的 X 中序列的对齐

模型应处于拟合状态，从 self 读取拟合模型参数

所需状态

需要状态为“fitted”。

访问 self 中的属性

以“_”结尾的已拟合模型属性。self._is_fitted

返回：
对齐格式的 pd.DataFrame，列为 ‘ind’+str(i)（对于整数 i）

列包含 X[i] 映射到对齐坐标的 loc 索引，用于对齐

classmethod get_class_tag(tag_name, tag_value_default=None)[source]#

从类中获取类标签值，并包含来自父类的标签级别继承。

每个 scikit-base 兼容对象都有一个标签字典，用于存储关于对象的元数据。

get_class_tag 方法是一个类方法，它只考虑类级别的标签值和覆盖来检索标签的值。

它返回对象中名称为 tag_name 的标签的值，按以下降序优先级考虑标签覆盖：

  1. 在类的 _tags 属性中设置的标签。

  2. 在父类的 _tags 属性中设置的标签，

按照继承顺序。

不考虑通过 set_tags 或 clone_tags 在实例上设置的动态标签覆盖。

要检索包含潜在实例覆盖的标签值，请改用 get_tag 方法。

参数：
tag_namestr

标签值的名称。

tag_value_defaultany type

如果未找到标签，则为默认/备用值。

返回：
tag_value

self 中 tag_name 标签的值。如果未找到，则返回 tag_value_default。

classmethod get_class_tags()[source]#

从类中获取类标签，并包含来自父类的标签级别继承。

每个 scikit-base 兼容对象都有一个标签字典。标签可用于存储有关对象的元数据，或控制对象的行为。

标签是特定于实例 self 的键值对，它们是构建对象后不会更改的静态标志。

get_class_tags 方法是一个类方法，它只考虑类级别的标签值和覆盖来检索标签的值。

它返回一个字典，键是类或其任何父类中 _tags 的任何属性的键。

值是相应的标签值，覆盖优先级按以下降序排列：

  1. 在类的 _tags 属性中设置的标签。

  2. 在父类的 _tags 属性中设置的标签，

按照继承顺序。

实例可以根据超参数覆盖这些标签。

要检索包含潜在实例覆盖的标签，请改用 get_tags 方法。

不考虑通过 set_tags 或 clone_tags 在实例上设置的动态标签覆盖。

要包含动态标签的覆盖，请使用 get_tags。

collected_tagsdict

标签名称：标签值对的字典。通过嵌套继承从 _tags 类属性收集。不会被通过 set_tags 或 clone_tags 设置的动态标签覆盖。

get_config()[source]#

获取 self 的配置标志。

配置是 self 的键值对，通常用作控制行为的临时标志。

get_config 返回动态配置，该配置会覆盖默认配置。

默认配置在类或其父类的类属性 _config 中设置，并被通过 set_config 设置的动态配置覆盖。

配置在 clone 或 reset 调用后保留。

返回：
config_dictdict

配置名称：配置值对的字典。通过嵌套继承从 _config 类属性收集，然后是来自 _onfig_dynamic 对象属性的任何覆盖和新标签。

get_distance()[source]#

返回对齐的总体距离。

行为：返回与对齐对应的总体距离

并非所有对齐器都会返回或实现此功能（可选）

所需状态

需要状态为“fitted”。

访问 self 中的属性

以“_”结尾的已拟合模型属性。self._is_fitted

返回：
distance: float - 传递给 fit 的所有 X 元素之间的总体距离
get_distance_matrix()[source]#

返回对齐的距离矩阵。

行为：返回对齐距离的成对距离矩阵

并非所有对齐器都会返回或实现此功能（可选）

所需状态

需要状态为“fitted”。

访问 self 中的属性

以“_”结尾的已拟合模型属性。self._is_fitted

返回：
distmat: 一个 (n x n) np.array 的浮点数，其中 n 是传递给 fit 的 X 的长度

[i,j] 元素是传递给 fit 的 X[i] 和 X[j] 之间的对齐距离

get_fitted_params(deep=True)[source]#

获取已拟合参数。

所需状态

需要状态为“fitted”。

参数：
deepbool, 默认=True

是否返回组件的拟合参数。

  • 如果为 True，则返回此对象的参数名称：值字典，包括可拟合组件（= BaseEstimator 值参数）的拟合参数。

  • 如果为 False，则返回此对象的参数名称：值字典，但不包括组件的拟合参数。

返回：
fitted_params具有 str 值键的 dict

拟合参数字典，paramname : paramvalue 键值对包括

  • 始终：此对象的所有拟合参数，通过 get_param_names 方式，值是此对象该键的拟合参数值

  • 如果 deep=True，还包含组件参数的键/值对，组件的参数以 [componentname]__[paramname] 索引，componentname 的所有参数都以 paramname 及其值出现

  • 如果 deep=True，还包含任意级别的组件递归，例如 [componentname]__[componentcomponentname]__[paramname] 等

classmethod get_param_defaults()[source]#

获取对象的参数默认值。

返回：
default_dict: dict[str, Any]

键是 cls 的所有在 __init__ 中定义了默认值的参数。值是默认值，定义在 __init__ 中。

classmethod get_param_names(sort=True)[source]#

获取对象的参数名称。

参数：
sortbool, 默认=True

是否按字母顺序 (True) 或按它们在类 __init__ 中出现的顺序 (False) 返回参数名称。

返回：
param_names: list[str]

cls 的参数名称列表。如果 sort=False，顺序与它们在类 __init__ 中出现的顺序相同。如果 sort=True，按字母顺序排序。

get_params(deep=True)[source]#

获取此对象的参数值字典。

参数：
deepbool, 默认=True

是否返回组件的参数。

  • 如果为 True，将返回此对象的参数名称：值 dict，包括组件（= BaseObject 值参数）的参数。

  • 如果为 False，将返回此对象的参数名称：值 dict，但不包括组件的参数。

返回：
params具有 str 值键的 dict

参数字典，paramname : paramvalue 键值对包括

  • 始终：此对象的所有参数，通过 get_param_names 方式，值是此对象该键的参数值，值始终与构造时传递的值相同

  • 如果 deep=True，还包含组件参数的键/值对，组件的参数以 [componentname]__[paramname] 索引，componentname 的所有参数都以 paramname 及其值出现

  • 如果 deep=True，还包含任意级别的组件递归，例如 [componentname]__[componentcomponentname]__[paramname] 等

get_tag(tag_name, tag_value_default=None, raise_error=True)[source]#

从实例中获取标签值，并包含标签级别继承和覆盖。

每个 scikit-base 兼容对象都有一个标签字典。标签可用于存储有关对象的元数据，或控制对象的行为。

标签是特定于实例 self 的键值对，它们是构建对象后不会更改的静态标志。

get_tag 方法从实例中检索名称为 tag_name 的单个标签的值，按以下降序优先级考虑标签覆盖：

  1. 通过 set_tags 或 clone_tags 在实例上设置的标签，

在实例构建时。

  1. 在类的 _tags 属性中设置的标签。

  2. 在父类的 _tags 属性中设置的标签，

按照继承顺序。

参数：
tag_namestr

要检索的标签名称

tag_value_defaultany type, 可选; 默认=None

如果未找到标签，则为默认/备用值

raise_errorbool

未找到标签时是否引发 ValueError

返回：
tag_valueAny

self 中 tag_name 标签的值。如果未找到，并且 raise_error 为 True，则引发错误；否则返回 tag_value_default。

引发：
ValueError, 如果 raise_error 为 True。

当 tag_name 不在 self.get_tags().keys() 中时，会引发 ValueError。

get_tags()[source]#

从实例中获取标签，并包含标签级别继承和覆盖。

每个 scikit-base 兼容对象都有一个标签字典。标签可用于存储有关对象的元数据，或控制对象的行为。

标签是特定于实例 self 的键值对，它们是构建对象后不会更改的静态标志。

get_tags 方法返回一个标签字典，键是类或其任何父类中 _tags 的任何属性的键，或通过 set_tags 或 clone_tags 设置的标签。

值是相应的标签值，覆盖优先级按以下降序排列：

  1. 通过 set_tags 或 clone_tags 在实例上设置的标签，

在实例构建时。

  1. 在类的 _tags 属性中设置的标签。

  2. 在父类的 _tags 属性中设置的标签，

按照继承顺序。

返回：
collected_tagsdict

标签名称：标签值对的字典。通过嵌套继承从 _tags 类属性收集，然后是来自 _tags_dynamic 对象属性的任何覆盖和新标签。

is_composite()[source]#

检查对象是否由其他 BaseObjects 组成。

复合对象是包含对象的对象，作为参数。在实例上调用，因为这可能因实例而异。

返回：
composite: bool

对象的任何参数值是否为 BaseObject 的后代实例。

property is_fitted[source]#

fit 是否已被调用。

检查对象的 _is_fitted 属性，该属性在对象构造期间应初始化为 False，并在调用对象的 fit 方法时设置为 True。

返回：
bool

评估器是否已 fit。

classmethod load_from_path(serial)[source]#

从文件位置加载对象。

参数：
serialZipFile(path).open(“object”) 的结果
返回：
反序列化的 self，结果是 cls.save(path) 输出到 path 的结果
classmethod load_from_serial(serial)[source]#

从序列化的内存容器加载对象。

参数：
serialcls.save(None) 输出的第一个元素
返回：
反序列化的 self，结果是 cls.save(None) 输出的 serial
reset()[source]#

将对象重置到干净的初始化后状态。

导致将 self 设置为其构造函数调用后直接具有的状态，具有相同的超参数。通过 set_config 设置的配置值也得到保留。

一次 reset 调用会删除所有对象属性，除了

  • 超参数 = 写入 self 的 __init__ 参数，例如 self.paramname，其中 paramname 是 __init__ 的参数

  • 包含双下划线，即字符串“__”的对象属性。例如，名为“__myattr”的属性会保留。

  • 配置属性，配置不变地保留。即 reset 前后 get_config 的结果是相等的。

类和对象方法，以及类属性也不受影响。

等同于 clone，不同之处在于 reset 改变 self 而不是返回一个新对象。

在调用 self.reset() 后，self 在值和状态上与构造函数调用 ``type(self)(**self.get_params(deep=False))`` 后获得的对象相等。

返回：
self

类实例重置为干净的初始化后状态，但保留当前超参数值。

save(path=None, serialization_format='pickle')[source]#

将序列化的 self 保存到字节类对象或 (.zip) 文件。

行为：如果 path 为 None，返回内存中的序列化 self；如果 path 是文件位置，将 self 以 zip 文件形式存储在该位置

保存的文件是 zip 文件，包含以下内容：_metadata - 包含 self 的类，即 type(self)；_obj - 序列化的 self。此类使用默认序列化 (pickle)。

参数：
pathNone 或文件位置 (str 或 Path)

如果为 None，self 被保存到内存对象；如果为文件位置，self 被保存到该文件位置。如果

  • path=”estimator” 则会在当前工作目录创建 zip 文件 estimator.zip。

  • path=”/home/stored/estimator” 则会在 /home/stored/ 存储 zip 文件 estimator.zip。

存储在 /home/stored/ 中。

serialization_format: str, 默认 = “pickle”

用于序列化的模块。可用选项有 “pickle” 和 “cloudpickle”。请注意，非默认格式可能需要安装其他软依赖。

返回：
如果 path 为 None - 内存中的序列化 self
如果 path 为文件位置 - 引用文件的 ZipFile
set_config(**config_dict)[source]#

将配置标志设置为给定值。

参数：
config_dictdict

配置名称：配置值对的字典。有效配置、值及其含义如下所示

displaystr, “diagram” (默认), 或 “text”

jupyter kernel 显示 self 实例的方式

  • “diagram” = html 框图表示

  • “text” = 字符串打印输出

print_changed_onlybool, 默认=True

打印 self 时是只列出与默认值不同的 self 参数 (True)，还是列出所有参数名称和值 (False)。不嵌套，即只影响 self 而不影响组件评估器。

warningsstr, “on” (默认), 或 “off”

是否引发警告，只影响 sktime 的警告

  • “on” = 将引发来自 sktime 的警告

  • “off” = 将不引发来自 sktime 的警告

backend:parallelstr, 可选, 默认=”None”

广播/向量化时用于并行的后端，以下之一：

  • “None”: 顺序执行循环，简单的列表推导式

  • “loky”, “multiprocessing” 和 “threading”: 使用 joblib.Parallel

  • “joblib”: 自定义和第三方 joblib 后端，例如 spark

  • “dask”: 使用 dask，需要在环境中安装 dask 包

  • “ray”: 使用 ray，需要在环境中安装 ray 包

backend:parallel:paramsdict, 可选, 默认={} (未传递参数)

作为配置传递给并行后端的附加参数。backend:parallel 的值决定了有效键

  • “None”: 无附加参数，忽略 backend_params

  • “loky”、“multiprocessing”和“threading”：默认 joblib 后端。此处可传递 joblib.Parallel 的任何有效键，例如 n_jobs，但 backend 除外，它直接由 backend 控制。如果未传递 n_jobs，它将默认为 -1，其他参数将默认为 joblib 的默认值。

  • “joblib”：自定义和第三方 joblib 后端，例如 spark。此处可传递 joblib.Parallel 的任何有效键，例如 n_jobs。在这种情况下，backend 必须作为 backend_params 的一个键来传递。如果未传递 n_jobs，它将默认为 -1，其他参数将默认为 joblib 的默认值。

  • “dask”：可传递 dask.compute 的任何有效键，例如 scheduler

  • “ray”：可传递以下键

    • “ray_remote_args”：ray.init 的有效键字典

    • “shutdown_ray”：布尔值，默认=True；False 会阻止 ray 在并行化后

      关闭。

    • “logger_name”：字符串，默认=“ray”；要使用的日志记录器的名称。

    • “mute_warnings”：布尔值，默认=False；如果为 True，则禁止警告

返回：
self对自身的引用。

备注

更改对象状态，将 config_dict 中的配置复制到 self._config_dynamic。

set_params(**params)[source]#

设置此对象的参数。

该方法适用于简单的 skbase 对象以及复合对象。参数键字符串 <component>__<parameter> 可用于复合对象（即包含其他对象的对象），以访问组件 <component> 中的 <parameter>。如果引用明确，也可以使用字符串 <parameter>，不带 <component>__，例如组件的参数中没有两个同名 <parameter> 的情况。

参数：
**params字典

BaseObject 参数，键必须是 <component>__<parameter> 字符串。如果 get_params 键中唯一，__ 后缀可以作为完整字符串的别名。

返回：
self对自身的引用（设置参数后）
set_random_state(random_state=None, deep=True, self_policy='copy')[source]#

设置 self 的伪随机数种子参数。

通过 self.get_params 查找名为 random_state 的参数，并通过 set_params 将它们设置为从 random_state 导出的整数。这些整数通过 sample_dependent_seed 从链式散列中采样，并保证伪随机生成器在种子设定后的独立性。

应用于 self 中的 random_state 参数（取决于 self_policy），以及仅在 deep=True 时应用于剩余的组件对象。

注意：即使 self 没有 random_state，或者没有组件有 random_state 参数，也会调用 set_params。因此，set_random_state 会重置任何 scikit-base 对象，即使是没有 random_state 参数的对象。

参数：
random_stateint, RandomState 实例或 None，默认=None

伪随机数生成器，用于控制随机整数的生成。传递 int 可在多次函数调用中获得可重现的输出。

deepbool, 默认=True

是否在 skbase 对象值参数（即组件估计器）中设置随机状态。

  • 如果为 False，则仅设置 self 的 random_state 参数（如果存在）。

  • 如果为 True，则也会在组件对象中设置 random_state 参数。

self_policy字符串，{"copy", "keep", "new"} 之一，默认="copy"

  • “copy”：self.random_state 设置为输入的 random_state

  • “keep”：self.random_state 保持不变

  • “new”：self.random_state 设置为一个新的随机状态，

从输入的 random_state 导出，通常与输入不同

返回：
self对自身的引用
set_tags(**tag_dict)[source]#

将实例级别的标签覆盖设置为给定值。

每个 scikit-base 兼容对象都有一个标签字典，用于存储关于对象的元数据。

标签是特定于实例 self 的键值对，它们是静态标志，对象构建后不会更改。它们可用于元数据检查或控制对象的行为。

set_tags 将动态标签覆盖设置为 tag_dict 中指定的值，其中键是标签名称，字典值是要设置的标签值。

set_tags 方法只能在对象的 __init__ 方法中（构建期间）或通过 __init__ 构建后直接调用。

可以通过 get_tags 或 get_tag 查看当前的标签值。

参数：
**tag_dict字典

标签名: 标签值对的字典。

返回：
Self

对自身的引用。