BaseEarlyClassifier

class BaseEarlyClassifier

早期时间序列分类器的抽象基类。

基类分类器指定了所有早期分类器必须实现的方法和方法签名。带有下划线后缀的属性在 fit 方法中设置。

参数：

classes_类标签的 ndarray，可能是字符串

n_classes_整数，类的数量（classes_ 的长度）

fit_time_整数，fit 运行所需时间（毫秒）。

_class_dictionary将 classes_ 映射到整数 0…n_classes_-1 的字典。

_threads_to_use由 n_jobs 确定的 fit 中使用的线程数。

state_info一个数组，包含 X 中每个决策的状态信息。

属性：

is_fitted

fit 是否已被调用。

方法

check_is_fitted([method_name])	检查估计器是否已拟合。
clone()	获取具有相同超参数和配置的对象的克隆。
clone_tags(estimator[, tag_names])	从另一个对象克隆标签作为动态覆盖。
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])	创建所有测试实例列表及其名称列表。
filter_X(X, decisions)	根据决策的布尔数组从 X 中移除 True 的情况。
filter_X_y(X, y, decisions)	根据决策的布尔数组从 X 和 y 中移除 True 的情况。
fit(X, y)	将时间序列分类器拟合到训练数据。
get_class_tag(tag_name[, tag_value_default])	从类中获取类标签值，并从父类继承标签级别。
get_class_tags()	从类中获取类标签，并从父类继承标签级别。
get_config()	获取 self 的配置标志。
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_state_info()	返回上次 predict/update 调用生成的状态信息。
get_tag(tag_name[, tag_value_default, ...])	从实例获取标签值，带有标签级别继承和覆盖。
get_tags()	从实例获取标签，带有标签级别继承和覆盖。
get_test_params([parameter_set])	返回 skbase 对象的测试参数设置。
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)	从序列化内存容器加载对象。
predict(X)	预测 X 中序列的标签。
predict_proba(X)	预测 X 中序列的标签概率。
reset()	将对象重置为干净的初始化后状态。
reset_state_info()	重置更新方法中使用的状态信息。
save([path, serialization_format])	将序列化的 self 保存到类字节对象或到 (.zip) 文件。
score(X, y)	在 X 上根据真实标签对预测标签进行评分。
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, ...])	为 self 设置 random_state 伪随机种子参数。
set_tags(**tag_dict)	将实例级别标签覆盖设置为给定值。
split_indices(indices, decisions)	根据决策的布尔数组分割索引列表。
split_indices_and_filter(X, indices, decisions)	移除 True 的情况，并根据决策数组分割索引列表。
update_predict(X)	在更大的序列长度下更新 X 中序列的标签预测。
update_predict_proba(X)	在更大的序列长度下更新 X 中序列的标签概率。

fit(X, y)

将时间序列分类器拟合到训练数据。

参数：

X3D np.array (任意维数，等长序列)

形状为 [n_instances, n_dimensions, series_length]

或 2D np.array (单变量，等长序列)

形状为 [n_instances, series_length]

或 pd.DataFrame，其中每列是一个维度，每个单元格是一个 pd.Series

(任意维数，等长或不等长序列)

或任何其他支持的 Panel mtype

关于 mtype 列表，请参阅 datatypes.SCITYPE_REGISTER 了解规范，参阅 examples/AA_datatypes_and_datasets.ipynb

y形状为 [n_instances] 的 1D np.array (int 类型) - 用于拟合的类别标签

索引对应于 X 中的实例索引

返回：

selfself 的引用。

注意

通过创建一个已拟合模型来改变状态，该模型更新以 “_” 结尾的属性并将 is_fitted 标志设置为 True。

predict(X) → tuple[ndarray, ndarray]

预测 X 中序列的标签。

早期分类器可以在比训练数据序列长度更短的序列长度下进行预测。

Predict 对于尚未做出决策的情况将返回 -1。只有在使用完整序列长度时，输出才能保证为所有情况返回有效的类别标签。

参数：

X3D np.array (任意维数，等长序列)

形状为 [n_instances, n_dimensions, series_length]

或 2D np.array (单变量，等长序列)

形状为 [n_instances, series_length]

或 pd.DataFrame，其中每列是一个维度，每个单元格是一个 pd.Series

(任意维数，等长或不等长序列)

或任何其他支持的 Panel mtype

关于 mtype 列表，请参阅 datatypes.SCITYPE_REGISTER 了解规范，参阅 examples/AA_datatypes_and_datasets.ipynb

返回：

y形状为 [n_instances] 的 1D np.array (int 类型) - 预测的类别标签

索引对应于 X 中的实例索引

decisions1D 布尔数组

一个布尔数组，包含预测是否安全可用的决策。第 i 个条目是分类器关于第 i 个实例是否安全可用的决策。

update_predict(X) → tuple[ndarray, ndarray]

在更大的序列长度下更新 X 中序列的标签预测。

使用分类器状态中存储的先前预测信息，并在更短的序列长度下进行更新。Update 只接受尚未做出决策的情况，已经做出肯定决策的情况应从输入中移除，并保留行顺序。

如果不存在状态信息，将转而调用 predict。

预测更新对于尚未做出决策的情况将返回 -1。只有在使用完整序列长度时，输出才能保证为所有情况返回有效的类别标签。

参数：

X3D np.array (任意维数，等长序列)

形状为 [n_instances, n_dimensions, series_length]

或 2D np.array (单变量，等长序列)

形状为 [n_instances, series_length]

或 pd.DataFrame，其中每列是一个维度，每个单元格是一个 pd.Series

(任意维数，等长或不等长序列)

或任何其他支持的 Panel mtype

关于 mtype 列表，请参阅 datatypes.SCITYPE_REGISTER 了解规范，参阅 examples/AA_datatypes_and_datasets.ipynb

返回：

y形状为 [n_instances] 的 1D np.array (int 类型) - 预测的类别标签

索引对应于 X 中的实例索引

decisions1D 布尔数组

一个布尔数组，包含预测是否安全可用的决策。第 i 个条目是分类器关于第 i 个实例是否安全可用的决策。

predict_proba(X) → tuple[ndarray, ndarray]

预测 X 中序列的标签概率。

早期分类器可以在比训练数据序列长度更短的序列长度下进行预测。

概率预测对于尚未做出决策的情况将返回 [-1]*n_classes_。只有在使用完整序列长度时，输出才能保证为所有情况返回有效的类别标签。

参数：

X3D np.array (任意维数，等长序列)

形状为 [n_instances, n_dimensions, series_length]

或 2D np.array (单变量，等长序列)

形状为 [n_instances, series_length]

或 pd.DataFrame，其中每列是一个维度，每个单元格是一个 pd.Series

(任意维数，等长或不等长序列)

或任何其他支持的 Panel mtype

关于 mtype 列表，请参阅 datatypes.SCITYPE_REGISTER 了解规范，参阅 examples/AA_datatypes_and_datasets.ipynb

返回：

y形状为 [n_instances, n_classes] 的 2D 数组 - 预测的类别概率

第一维索引对应于 X 中的实例索引 第二维索引对应于可能的标签（整数） (i, j) 位置的条目是第 i 个实例属于类别 j 的预测概率

decisions1D 布尔数组

一个布尔数组，包含预测是否安全可用的决策。第 i 个条目是分类器关于第 i 个实例是否安全可用的决策。

update_predict_proba(X) → tuple[ndarray, ndarray]

在更大的序列长度下更新 X 中序列的标签概率。

使用分类器状态中存储的先前预测信息，并在更短的序列长度下进行更新。Update 只接受尚未做出决策的情况，已经做出肯定决策的情况应从输入中移除，并保留行顺序。

如果不存在状态信息，将转而调用 predict_proba。

概率预测更新对于尚未做出决策的情况将返回 [-1]*n_classes_。只有在使用完整序列长度时，输出才能保证为所有情况返回有效的类别标签。

参数：

X3D np.array (任意维数，等长序列)

形状为 [n_instances, n_dimensions, series_length]

或 2D np.array (单变量，等长序列)

形状为 [n_instances, series_length]

或 pd.DataFrame，其中每列是一个维度，每个单元格是一个 pd.Series

(任意维数，等长或不等长序列)

或任何其他支持的 Panel mtype

关于 mtype 列表，请参阅 datatypes.SCITYPE_REGISTER 了解规范，参阅 examples/AA_datatypes_and_datasets.ipynb

返回：

y形状为 [n_instances, n_classes] 的 2D 数组 - 预测的类别概率

第一维索引对应于 X 中的实例索引 第二维索引对应于可能的标签（整数） (i, j) 位置的条目是第 i 个实例属于类别 j 的预测概率

decisions1D 布尔数组

一个布尔数组，包含预测是否安全可用的决策。第 i 个条目是分类器关于第 i 个实例是否安全可用的决策。

score(X, y) → float, float, float]

在 X 上根据真实标签对预测标签进行评分。

参数：

X3D np.array (任意维数，等长序列)

形状为 [n_instances, n_dimensions, series_length]

或 2D np.array (单变量，等长序列)

形状为 [n_instances, series_length]

或 pd.DataFrame，其中每列是一个维度，每个单元格是一个 pd.Series

(任意维数，等长或不等长序列)

或任何其他支持的 Panel mtype

关于 mtype 列表，请参阅 datatypes.SCITYPE_REGISTER 了解规范，参阅 examples/AA_datatypes_and_datasets.ipynb

y形状为 [n_instances] 的 1D np.ndarray (int 类型) - 类别标签（真实值）

索引对应于 X 中的实例索引

返回：

浮点数的元组，表示 predict(X) 与 y 相比的调和平均、准确率和早期性得分。

get_state_info()

返回上次 predict/update 调用生成的状态信息。

返回：

一个数组，包含 X 中每个决策的状态信息，这些信息来自 update 和

predict 方法。包含用于未来决策的依赖于分类器的信息

数据，以及关于何时做出案例决策的信息。每行

包含上次 update/predict 中关于其安全性的决策产生的案例信息。连续的

update 可能会从

state_info 中移除行，因为它只会存储与

update/predict 输入实例数量一样多的行。

reset_state_info()

重置更新方法中使用的状态信息。

static filter_X(X, decisions)

根据决策的布尔数组从 X 中移除 True 的情况。

static filter_X_y(X, y, decisions)

根据决策的布尔数组从 X 和 y 中移除 True 的情况。

static split_indices(indices, decisions)

根据决策的布尔数组分割索引列表。

static split_indices_and_filter(X, indices, decisions)

移除 True 的情况，并根据决策数组分割索引列表。

check_is_fitted(method_name=None)

检查估计器是否已拟合。

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

如果未拟合，则引发 NotFittedError。

参数：

method_namestr，可选

调用此方法的名称。如果提供，错误消息将包含此信息。

引发：

NotFittedError

如果估计器尚未拟合。

clone()

获取具有相同超参数和配置的对象的克隆。

克隆是一个没有共享引用、处于初始化后状态的另一个对象。此函数等效于返回 self 的 sklearn.clone。

等效于构造一个 type(self) 的新实例，使用 self 的参数，即 type(self)(**self.get_params(deep=False))。

如果在 self 上设置了配置，克隆也会具有与原始对象相同的配置，等效于调用 cloned_self.set_config(**self.get_config())。

在值上也等效于调用 self.reset，但 clone 返回一个新对象，而不是像 reset 那样修改 self。

引发：

如果克隆由于 __init__ 错误而不符合要求，则引发 RuntimeError。

clone_tags(estimator, tag_names=None)

从另一个对象克隆标签作为动态覆盖。

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，它们是对象构造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 方法只能在对象的 __init__ 方法中调用，即在构造期间或通过 __init__ 直接构造后调用。

动态标签设置为 estimator 中标签的值，名称由 tag_names 指定。

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

当前标签值可以通过 get_tags 或 get_tag 进行检查。

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

self 的引用。

classmethod create_test_instance(parameter_set='default')

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。如果未为某个值定义特殊参数，则将返回 “default” 集。

返回：

instance具有默认参数的类实例

classmethod create_test_instances_and_names(parameter_set='default')

创建所有测试实例列表及其名称列表。

参数：

parameter_setstr，默认=”default”

要返回的测试参数集的名称，用于测试。如果未为某个值定义特殊参数，则将返回 “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 obj 的第 i 个实例的名称。如果实例多于一个，命名约定为 {cls.__name__}-{i}，否则为 {cls.__name__}

classmethod get_class_tag(tag_name, tag_value_default=None)

从类中获取类标签值，并从父类继承标签级别。

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

get_class_tag 方法是一个类方法，只考虑类级别标签值和覆盖来检索标签值。

它从对象中返回名为 tag_name 的标签值，考虑标签覆盖，按以下降序优先级排序

1. 在类的 _tags 属性中设置的标签。

2. 在父类 _tags 属性中设置的标签，

按继承顺序。

不考虑在实例上设置的动态标签覆盖，这些覆盖通过 set_tags 或 clone_tags 定义在实例上。

要检索可能包含实例覆盖的标签值，请改用 get_tag 方法。

参数：

tag_namestr

标签值的名称。

tag_value_default任意类型

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()

从类中获取类标签，并从父类继承标签级别。

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，它们是对象构造后不会更改的静态标志。

get_class_tags 方法是一个类方法，只考虑类级别标签值和覆盖来检索标签值。

它返回一个字典，其键是类或其任何父类中设置的 _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 _tags 属性中设置的标签，

按继承顺序。

实例可以根据超参数覆盖这些标签。

要检索可能包含实例覆盖的标签，请改用 get_tags 方法。

不考虑在实例上设置的动态标签覆盖，这些覆盖通过 set_tags 或 clone_tags 定义在实例上。

要包含动态标签的覆盖，请使用 get_tags。

collected_tagsdict

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

get_config()

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，这些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 调用下保留。

返回：

config_dictdict

配置名称：配置值对字典。通过嵌套继承从 _config 类属性收集，然后从 _onfig_dynamic 对象属性收集任何覆盖和新标签。

get_fitted_params(deep=True)

获取已拟合参数。

所需状态

要求状态为“已拟合”。

参数：

deepbool，默认=True

是否返回组件的已拟合参数。

• 如果为 True，将返回此对象的参数名称: 值字典，包括可拟合组件（= BaseEstimator 类型参数）的已拟合参数。

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

返回：

fitted_params键为 str 类型的字典

已拟合参数字典，paramname : paramvalue 键值对包括

• 始终：此对象的所有已拟合参数，通过 get_param_names 获取，值为此对象的该键的已拟合参数值

• 如果 deep=True，还包含组件参数的键/值对，组件参数索引为 [componentname]__[paramname]，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()

获取对象的参数默认值。

返回：

default_dict: dict[str, Any]

键是 cls 中在 __init__ 中定义了默认值的所有参数。值是在 __init__ 中定义的默认值。

classmethod get_param_names(sort=True)

获取对象的参数名称。

参数：

sortbool，默认=True

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

返回：

param_names: list[str]

cls 的参数名称列表。如果 sort=False，则按它们在类 __init__ 中出现的相同顺序排列。如果 sort=True，则按字母顺序排列。

get_params(deep=True)

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 类型参数）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键为 str 类型的 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 获取，值为此对象的该键的参数值，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，组件参数索引为 [componentname]__[paramname]，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)

从实例获取标签值，带有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，它们是对象构造后不会更改的静态标志。

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

1. 通过实例上的 set_tags 或 clone_tags 设置的标签，

在实例构造时。

2. 在类的 _tags 属性中设置的标签。

3. 在父类 _tags 属性中设置的标签，

按继承顺序。

参数：

tag_namestr

要检索的标签名称

tag_value_default任意类型，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。

如果 tag_name 不在 self.get_tags().keys() 中，则引发 ValueError。

get_tags()

从实例获取标签，带有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，它们是对象构造后不会更改的静态标志。

get_tags 方法返回一个标签字典，其键是类或其任何父类中设置的 _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. 通过实例上的 set_tags 或 clone_tags 设置的标签，

在实例构造时。

2. 在类的 _tags 属性中设置的标签。

3. 在父类 _tags 属性中设置的标签，

按继承顺序。

返回：

collected_tagsdict

标签名称：标签值对字典。通过嵌套继承从 _tags 类属性收集，然后从 _tags_dynamic 对象属性收集任何覆盖和新标签。

classmethod get_test_params(parameter_set='default')

返回 skbase 对象的测试参数设置。

get_test_params 是一个统一的接口点，用于存储测试目的的参数设置。此函数也用于 create_test_instance 和 create_test_instances_and_names 来构造测试实例。

get_test_params 应该返回一个单独的 dict，或者一个 dict 的 list。

每个 dict 都是用于测试的参数配置，可用于构造一个“有趣”的测试实例。对于 get_test_params 返回值中的所有字典 params，调用 cls(**params) 都应该是有效的。

get_test_params 不需要返回固定列表的字典，它也可以返回动态或随机的参数设置。

参数：

parameter_setstr，默认=”default”

要返回的测试参数集的名称，用于测试。如果未为某个值定义特殊参数，则将返回 “default” 集。

返回：

paramsdict 或 dict 列表，默认 = {}

创建测试实例的参数 每个字典都是用于构建一个“有趣的”测试实例的参数，即 MyClass(**params) 或 MyClass(**params[i]) 创建一个有效的测试实例。create_test_instance 使用 params 中的第一个（或唯一一个）字典

is_composite()

检查对象是否由其他 BaseObjects 组成。

复合对象是包含其他对象作为参数的对象。在实例上调用，因为这可能因实例而异。

返回：

composite: bool

对象是否有任何参数，其值是 BaseObject 的子代实例。

property is_fitted

fit 是否已被调用。

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

返回：

bool

评估器是否已经过 fit。

classmethod load_from_path(serial)

从文件位置加载对象。

参数：

serialZipFile(path).open(“object”) 的结果

返回：

反序列化后的 self，其输出位于 path，是 cls.save(path) 的结果

classmethod load_from_serial(serial)

从序列化内存容器加载对象。

参数：

serialcls.save(None) 输出的第一个元素

返回：

反序列化后的 self，其输出为 serial，是 cls.save(None) 的结果

reset()

将对象重置为干净的初始化后状态。

将 self 设置为构造函数调用后的状态，并保留相同的超参数。通过 set_config 设置的配置值也会保留。

调用 reset 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__ 的一个参数

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

• 配置属性，配置保持不变。也就是说，在 reset 前后 get_config 的结果是相同的。

类方法和对象方法，以及类属性也不受影响。

等同于 clone，但区别在于 reset 修改的是 self 本身，而不是返回一个新对象。

调用 self.reset() 后，self 的值和状态与通过构造函数调用 ``type(self)(**self.get_params(deep=False))`` 获得的对象相同。

返回：

self

类实例被重置到干净的初始化后状态，但保留当前的超参数值。

save(path=None, serialization_format='pickle')

将序列化的 self 保存到类字节对象或到 (.zip) 文件。

行为：如果 path 为 None，则返回内存中的序列化 self；如果 path 是文件位置，则将 self 作为 zip 文件存储在该位置

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 - 序列化后的 self。此类使用默认序列化方式 (pickle)。

参数：

pathNone 或文件位置 (str 或 Path)

如果为 None，self 会保存到内存对象中。如果为文件位置，self 会保存到该文件位置。If

• path=”estimator” 则会在当前工作目录 (cwd) 创建一个名为 estimator.zip 的 zip 文件。

• path=”/home/stored/estimator” 则会将名为 estimator.zip 的 zip 文件

存储在 /home/stored/ 中。

serialization_format: str，默认值 = “pickle”

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

返回：

如果 path 为 None - 内存中的序列化 self

如果 path 是文件位置 - 指向文件的 ZipFile

set_config(**config_dict)

将配置标志设置为给定值。

参数：

config_dictdict

**config_dict**配置名称 : 配置值 对的字典。有效的配置项、值及其含义如下所示

displaystr，“diagram”（默认）或“text”

jupyter 内核如何显示 self 的实例

• “diagram” = html 框图表示

• “text” = 字符串输出

print_changed_onlybool，默认值=True

打印 self 时是否只列出自与默认值不同的参数 (True)，还是列出所有参数名称和值 (False)。不嵌套，即仅影响 self，不影响组件评估器。

warningsstr，“on”（默认）或“off”

是否引发警告，仅影响来自 sktime 的警告

• “on” = 将引发来自 sktime 的警告

• “off” = 将不会引发来自 sktime 的警告

backend:parallelstr，可选，默认值=”None”

在广播/向量化时用于并行化的后端，可选值之一

• “None”：顺序执行循环，简单的列表推导

• “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，默认值={}（不传递参数）

作为配置传递给并行化后端的附加参数。有效键取决于 backend:parallel 的值

• “None”：无附加参数，backend_params 被忽略

• “loky”、“multiprocessing” 和 “threading”：默认的 joblib 后端，此处可以传递 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，其他参数将使用 joblib 的默认值。

• “joblib”：自定义和第三方 joblib 后端，例如 spark。此处可以传递 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 的一个键传递。如果未传递 n_jobs，它将默认为 -1，其他参数将使用 joblib 的默认值。

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

• “ray”：可以传递以下键

  • “ray_remote_args”：ray.init 的有效键字典

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

    关闭。

  • “logger_name”：str，默认值=”ray”；要使用的日志记录器名称。

  • “mute_warnings”：bool，默认值=False；如果为 True，则抑制警告

返回：

self对 self 的引用。

注意

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

set_params(**params)

设置此对象的参数。

此方法适用于简单的 skbase 对象和复合对象。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）访问组件 <component> 中的 <parameter>。如果引用明确（例如，没有两个组件参数名称相同），也可以使用不带 <component>__ 前缀的字符串 <parameter>。

参数：

**paramsdict

BaseObject 参数，键必须是 <component>__<parameter> 字符串。__ 后缀如果 在 get_params 键中唯一，则可作为完整字符串的别名。

返回：

self对 self 的引用（设置参数后）

set_random_state(random_state=None, deep=True, self_policy='copy')

为 self 设置 random_state 伪随机种子参数。

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 派生的整数。这些整数通过 sample_dependent_seed 从链式哈希中采样，保证了种子随机生成器的伪随机独立性。

根据 self_policy 应用于 self 中的 random_state 参数，并且仅当 deep=True 时应用于剩余的组件对象。

注意：即使 self 没有 random_state 参数，或者没有任何组件具有 random_state 参数，也会调用 set_params。因此，set_random_state 将重置任何 scikit-base 对象，即使是那些没有 random_state 参数的对象。

参数：

random_stateint, RandomState 实例或 None，默认值=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 对象值参数中设置随机状态，即组件评估器。

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

• 如果为 True，则也会设置组件对象中的 random_state 参数。

self_policystr，可选值之一 {“copy”、“keep”、“new”}，默认值=”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 派生，通常与它不同

返回：

self对 self 的引用

set_tags(**tag_dict)

将实例级别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，用于存储对象的元数据。

标签是特定于实例 self 的键值对，它们是对象构建后不会更改的静态标志。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，字典值是要设置的标签值。

set_tags 方法应仅在对象的 __init__ 方法中、构建期间或通过 __init__ 构建后直接调用。

当前标签值可以通过 get_tags 或 get_tag 进行检查。

参数：

**tag_dictdict

标签名 : 标签值 对的字典。

返回：

Self

对 self 的引用。