DtwDtaidistMultiv

class DtwDtaidistMultiv(use_c=False, window=None, max_dist=None, max_step=None, max_length_diff=None, penalty=None, psi=None, use_pruning=False)

来自 dtaidistance 的多元动态时间规整距离。

直接调用 dtaidistance.dtw_ndim.distance_matrix 和 dtaidistance.dtw_ndim.distance_matrix_fast。

此距离适用于多元数据。对于单变量数据和默认的欧几里得距离，DtwDtaidistUniv 在数学上是等效的，但可能更高效。

要指定内部距离与平方欧几里得距离不同，请在 DistFromAligner 中使用 AlignerDtwDtai。

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 需要安装带有 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。

window整数, 可选, 默认=无限

Sakoe Chiba 窗口宽度，从对角线到边界。只允许从两个对角线的最大偏移小于此数字。因此，允许的最大扭曲，即序列 1 中的索引 i 与序列 2 中的索引 j 之间的差异，为 |i-j| < 2*window + |len(s1) - len(s2)|。它包含对角线，这意味着通过设置 window=1 可以获得欧几里得距离。如果两个序列长度相等，则意味着累积成本矩阵上出现的带宽度为 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: 整数或 4 元组整数或 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，它用于一对序列的开始和结束松弛。如果 psi 是一个 4 元组，它用作（序列 1 开始，序列 1 结束，序列 2 开始，序列 2 结束）的 psi 松弛。对周期性序列有用。

use_pruning: bool, 可选, 默认=False

基于欧几里得距离修剪值。

属性:

is_fitted

是否已调用 fit。

参考文献

[1]

H. Sakoe, S. Chiba, “Dynamic programming algorithm optimization for spoken word recognition,” IEEE Transactions on Acoustics, Speech and Signal Processing, vol. 26(1), pp. 43–49, 1978.

方法

__call__(X[, X2])	计算距离/核矩阵，调用简写形式。
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])	创建所有测试实例的列表及其名称列表。
fit([X, X2])	用于接口兼容性的拟合方法（内部无逻辑）。
get_class_tag(tag_name[, tag_value_default])	从类中获取类标签值，并继承父类的标签级别。
get_class_tags()	从类中获取类标签，并继承父类的标签级别。
get_config()	获取 self 的配置标志。
get_fitted_params([deep])	获取已拟合的参数。
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, ...])	从实例获取标签值，并继承标签级别和覆盖。
get_tags()	从实例获取标签，并继承标签级别和覆盖。
get_test_params([parameter_set])	返回评估器的测试参数设置。
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)	从序列化的内存容器加载对象。
reset()	将对象重置为初始化后的干净状态。
save([path, serialization_format])	将序列化的 self 保存为字节对象或保存到 (.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, ...])	为 self 设置 random_state 伪随机种子参数。
set_tags(**tag_dict)	将实例级标签覆盖设置为给定值。
transform(X[, X2])	计算距离/核矩阵。
transform_diag(X)	计算距离/核矩阵的对角线。

classmethod get_test_params(parameter_set='default')

返回评估器的测试参数设置。

参数:

parameter_setstr, default=”default”

要返回的测试参数集的名称，用于测试。如果未为值定义特殊参数，将返回 "default" 集。距离/核转换器目前没有保留值。

返回:

paramsdict 或 dict 列表, default = {}

用于创建类测试实例的参数。每个 dict 都是构造一个“有趣”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。

check_is_fitted(method_name=None)

检查评估器是否已拟合。

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()

获取具有相同超参数和配置的对象的克隆。

克隆是另一个没有共享引用、处于初始化后状态的对象。此函数等同于返回 sklearn.clone 的 self。

等同于构造 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())。

值上等同于调用 self.reset，不同之处在于 clone 返回一个新对象，而不是像 reset 那样修改 self。

引发:

如果克隆不符合规范，则由于错误的 __init__ 而引发 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。标签可用于存储关于对象的元数据，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 方法应仅在对象的 __init__ 方法中，在构造期间或构造后直接通过 __init__ 调用。

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

tag_names 的默认设置是将 estimator 中的所有标签写入 self。

当前标签值可以通过 get_tags 或 get_tag 查看。

参数:

estimator:class:BaseObject 或派生类的实例

tag_namesstr 或 str 列表, default = 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

引用 self。

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, default=”default”

要返回的测试参数集的名称，用于测试。如果未为值定义特殊参数，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')

创建所有测试实例的列表及其名称列表。

参数:

parameter_setstr, default=”default”

要返回的测试参数集的名称，用于测试。如果未为值定义特殊参数，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。命名约定是如果实例多于一个，则为 {cls.__name__}-{i}，否则为 {cls.__name__}

fit(X=None, X2=None)

用于接口兼容性的拟合方法（内部无逻辑）。

classmethod get_class_tag(tag_name, tag_value_default=None)

从类中获取类标签值，并继承父类的标签级别。

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，仅考虑类级别的标签值和覆盖来检索标签的值。

它从对象中返回名称为 tag_name 的标签值，考虑标签覆盖，优先级从高到低如下：

1. 类中的 _tags 属性中设置的标签。

2. 父类中的 _tags 属性中设置的标签，

按继承顺序。

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

要检索具有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_default任意类型

如果未找到标签，则使用的默认/回退值。

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，并继承父类的标签级别。

每个 scikit-base 兼容对象都有一个标签字典。标签可用于存储关于对象的元数据，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，仅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，其键是类或其任何父类中设置的 _tags 属性的任何键。

值是相应的标签值，覆盖优先级从高到低如下：

1. 类中的 _tags 属性中设置的标签。

2. 父类中的 _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。

要检索具有潜在实例覆盖的标签，请改用 get_tags 方法。

不考虑在实例上通过 set_tags 或 clone_tags 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。不被通过 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瞬态标志。

get_config 返回动态配置，它们覆盖默认配置。

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

配置在 clone 或 reset 调用中保留。

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_fitted_params(deep=True)

获取已拟合的参数。

所需状态

需要状态为“已拟合”。

参数:

deepbool, default=True

是否返回组件的拟合参数。

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

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

返回:

fitted_params键为 str 类型的 dict

拟合参数的字典，paramname : paramvalue 键值对包括

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

• 如果 deep=True，也包含组件参数的键/值对 参数的索引格式为 [componentname]__[paramname] componentname 的所有参数都显示为 paramname 及其值

• 如果 deep=True，也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 的所有在 __init__ 中定义了默认值的参数。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, default=True

是否按字母顺序排序返回参数名称 (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, default=True

是否返回组件的参数。

• 如果为 True，将返回此对象的参数名: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: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，如通过 get_param_names 获取的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，也包含组件参数的键/值对 参数的索引格式为 [componentname]__[paramname] componentname 的所有参数都显示为 paramname 及其值

• 如果 deep=True，也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，并继承标签级别和覆盖。

每个 scikit-base 兼容对象都有一个标签字典。标签可用于存储关于对象的元数据，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称为 tag_name 的单个标签的值，考虑标签覆盖，优先级从高到低如下：

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

在实例构造时。

2. 类中的 _tags 属性中设置的标签。

3. 父类中的 _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; default=None

如果未找到标签，则使用的默认/回退值

raise_errorbool

未找到标签时是否引发 ValueError

返回:

tag_value任意

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，并继承标签级别和覆盖。

每个 scikit-base 兼容对象都有一个标签字典。标签可用于存储关于对象的元数据，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 属性的任何键，或者通过 set_tags 或 clone_tags 设置的标签。

值是相应的标签值，覆盖优先级从高到低如下：

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

在实例构造时。

2. 类中的 _tags 属性中设置的标签。

3. 父类中的 _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()

检查对象是否由其他 BaseObjects 组成。

复合对象是指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的值是 BaseObject 的派生实例。

property is_fitted

是否已调用 fit。

检查对象的 _is_fitted 属性，该属性应在对象构造期间初始化为 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)

从文件位置加载对象。

参数:

serialZipFile(path).open(“object) 的结果

返回:

通过 cls.save(path) 在 path 位置生成的反序列化的 self

classmethod load_from_serial(serial)

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:

通过 cls.save(None) 生成的序列化输出 serial 的反序列化的 self

reset()

将对象重置为初始化后的干净状态。

将 self 设置为构造函数调用后直接所处的状态，具有相同的超参数。通过 set_config 设置的配置值也保留。

一次 reset 调用将删除任何对象属性，除了

• 超参数 = __init__ 的参数写入 self，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”的属性会被保留。

• 配置属性，配置保留不变。即，reset 前后 get_config 的结果相等。

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 修改 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

类实例重置为初始化后的干净状态，但保留当前超参数值。

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

将序列化的 self 保存为字节对象或保存到 (.zip) 文件。

行为：如果 path 为 None，则返回一个内存中序列化的 self；如果 path 是文件位置，则将 self 以 zip 文件形式存储在该位置。

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

参数:

pathNone 或文件位置 (str 或 Path)

如果为 None，则将 self 保存到内存中的对象 如果是文件位置，则将 self 保存到该文件位置。如果

• path=”estimator”，则将在当前工作目录创建 zip 文件 estimator.zip。

• path=”/home/stored/estimator”，则将在 /home/stored/ 中存储 zip 文件 estimator.zip。

存储在 /home/stored/ 中。

serialization_format: str, default = “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项。

返回:

如果 path 为 None - 内存中序列化的 self

如果 path 是文件位置 - 引用该文件的 ZipFile

set_config(**config_dict)

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。有效的配置、值及其含义如下所述：

displaystr, “diagram” (默认), 或 “text”

jupyter kernel 如何显示 self 的实例

• “diagram” = HTML 框图表示

• “text” = 字符串打印输出

print_changed_onlybool, default=True

打印 self 时是否仅列出与默认值不同的参数 (False)，或列出所有参数名称和值 (False)。不嵌套，即仅影响 self 而不影响组件评估器。

warningsstr, “on” (默认), 或 “off”

是否引发警告，仅影响 sktime 的警告

• “on” = 将引发来自 sktime 的警告

• “off” = 不会引发来自 sktime 的警告

backend:parallelstr, 可选, default=”None”

广播/向量化时用于并行化的后端，以下之一：

• “None”: 按顺序执行循环，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, default={} (未传递参数)

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”: 没有附加参数，backend_params 被忽略

• “loky”, “multiprocessing” 和 “threading”: 默认的 joblib 后端 任何 joblib.Parallel 的有效键都可以传递到这里，例如 n_jobs，除了 backend，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 默认值。

• “joblib”: 自定义和第三方 joblib 后端，例如 spark。任何 joblib.Parallel 的有效键都可以传递到这里，例如 n_jobs，在这种情况下必须将 backend 作为 backend_params 的键传递。如果未传递 n_jobs，它将默认为 -1，其他参数将默认为 joblib 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, default=True; False 防止 ray 在并行化后关闭。

    “logger_name”: str, default=”ray”; 要使用的 logger 名称。

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

  • self引用 self。

返回:

注意

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

set_params(**params)

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，也可以使用不带 <component>__ 的字符串 <parameter>，例如，没有两个组件参数具有名称 <parameter>。

设置此对象的参数。

**paramsdict

参数:

BaseObject 参数，键必须是 <component>__<parameter> 字符串。__ 后缀可以别名完整字符串，如果它们在 get_params 键中唯一。

self对 self 的引用（参数设置后）

返回:

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

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，保证了有种子随机生成器的伪随机独立性。

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

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，甚至那些没有 random_state 参数的对象。

参数:

random_stateint, RandomState instance or None, default=None

伪随机数生成器，用于控制随机整数的生成。传递整数以实现跨多次函数调用的可重现输出。

deepbool, default=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_policystr, one of {“copy”, “keep”, “new”}, default=”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，通常与输入不同

返回:

selfreference to self

set_tags(**tag_dict)

将实例级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，其中键是标签名称，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__ 直接在构建后调用。

当前标签值可以通过 get_tags 或 get_tag 查看。

参数:

**tag_dictdict

标签名称：标签值对的字典。

返回:

Self

对自身的引用。

transform(X, X2=None)

计算距离/核矩阵。

行为：返回成对距离/核矩阵

介于 X 和 X2 中的样本之间（如果未传递 X2，则等于 X）

参数:

XSeries or Panel, any supported mtype, of n instances

要转换的数据，其 Python 类型如下

Series：pd.Series、pd.DataFrame 或 np.ndarray（1D 或 2D）Panel：具有 2 级 MultiIndex 的 pd.DataFrame、pd.DataFrame 列表，

嵌套的 pd.DataFrame，或长/宽格式的 pd.DataFrame

受 sktime mtype 格式规范约束，更多详情请参阅

examples/AA_datatypes_and_datasets.ipynb

X2Series or Panel, any supported mtype, of m instances

可选，默认为：X = X2

要转换的数据，其 Python 类型如下

Series：pd.Series、pd.DataFrame 或 np.ndarray（1D 或 2D）Panel：具有 2 级 MultiIndex 的 pd.DataFrame、pd.DataFrame 列表，

嵌套的 pd.DataFrame，或长/宽格式的 pd.DataFrame

受 sktime mtype 格式规范约束，更多详情请参阅

examples/AA_datatypes_and_datasets.ipynb

X 和 X2 不需要具有相同的 mtype

返回:

distmat: np.array of shape [n, m]

(i,j) 位置的条目包含 X[i] 和 X2[j] 之间的距离/核

transform_diag(X)

计算距离/核矩阵的对角线。

行为：返回 X 中样本的距离/核矩阵的对角线

参数:

XSeries or Panel, any supported mtype, of n instances

要转换的数据，其 Python 类型如下

Series：pd.Series、pd.DataFrame 或 np.ndarray（1D 或 2D）Panel：具有 2 级 MultiIndex 的 pd.DataFrame、pd.DataFrame 列表，

嵌套的 pd.DataFrame，或长/宽格式的 pd.DataFrame

受 sktime mtype 格式规范约束，更多详情请参阅

examples/AA_datatypes_and_datasets.ipynb

返回:

diag: np.array of shape [n]

i 位置的条目包含 X[i] 和 X[i] 之间的距离/核