平稳性ADF#

class StationarityADF(p_threshold=0.05, maxlag=None, regression='c', autolag='AIC')[source]#

通过增广迪基-富勒单位根检验（ADF）进行平稳性检验。

使用 statsmodels.tsa.stattools.adfuller 作为单位根检验，并推导出时间序列是否平稳的布尔值判断。

同时将单位根检验结果作为拟合参数返回。

参数：
p_threshold浮点型，可选，默认值=0.05

用于检验平稳性的显著性阈值

maxlag整型或 None，可选，默认值=None

检验中包含的最大滞后阶数，当为 None 时，使用默认值 12*(nobs/100)^{1/4}。

regression字符串，{“c”,”ct”,”ctt”,”n”} 之一，可选，默认值=”c”

回归中包含的常数项和趋势项阶数。

  • “c” : 仅包含常数项（默认）。

  • “ct” : 包含常数项和趋势项。

  • “ctt” : 包含常数项、线性趋势项和二次趋势项。

  • “n” : 不包含常数项和趋势项。

autolag{“AIC”, “BIC”, “t-stat”, None} 之一，可选，默认值=”AIC”

在 0, 1, …, maxlag 这些值中自动确定滞后阶数时使用的方法。

  • 如果为“AIC”（默认）或“BIC”，则选择使相应信息准则最小化的滞后阶数。

  • 基于“t-stat”选择 maxlag。从 maxlag 开始，逐一减小滞后阶数，直到最后一个滞后阶数的 t 统计量在 5% 的显著性水平下显著。

  • 如果为 None，则包含的滞后阶数设置为 maxlag。

属性：
stationary_布尔型

根据检验结果，fit 方法中输入的时间序列是否平稳，更准确地说，ADF 检验的零假设在 p_threshold 处是否被拒绝

test_statistic_浮点型

在 fit 方法中对 y 运行 adfuller 得到的 ADF 检验统计量

pvalue_浮点型

基于 MacKinnon (1994, 2010) 的 MacKinnon 近似 p 值，在 fit 方法中对 y 运行 adfuller 获得

usedlag_整型

检验中使用的滞后阶数。

示例

>>> from sktime.datasets import load_airline
>>> from sktime.param_est.stationarity import StationarityADF
>>>
>>> X = load_airline()  
>>> sty_est = StationarityADF()  
>>> sty_est.fit(X)  
StationarityADF(...)
>>> sty_est.get_fitted_params()["stationary"]  
False

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])

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建类实例。

create_test_instances_and_names([parameter_set])

创建所有测试实例列表及其名称列表。

fit(X[, y])

拟合估计器并估计参数。

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()

获取对象的配置标志。

get_fitted_params([deep])

获取拟合参数。

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的字典。

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

从实例中获取标签值，并进行标签级别的继承和覆盖。

get_tags()

从实例中获取标签，并进行标签级别的继承和覆盖。

get_test_params([parameter_set])

返回估计器的测试参数设置。

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)

从序列化内存容器加载对象。

reset()

将对象重置为干净的初始化后状态。

save([path, serialization_format])

将序列化的对象保存到类字节对象或 (.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, ...])

为对象设置 random_state 伪随机种子参数。

set_tags(**tag_dict)

将实例级别的标签覆盖设置为给定值。

update(X[, y])

更新更多数据的拟合参数。
classmethod get_test_params(parameter_set='default')[source]#

返回估计器的测试参数设置。

参数：
parameter_set字符串，默认值=”default”

要返回的测试参数集的名称，用于测试。如果某个值没有定义特殊参数，将返回 "default" 集。目前变换器没有保留值。

返回：
params字典或字典列表，默认值 = {}

用于创建类的测试实例的参数。每个字典都是用于构造一个“有趣”的测试实例的参数，即 MyClass(**params) 或 MyClass(**params[i]) 会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)[source]#

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。

如果不是，则抛出 NotFittedError 异常。

参数：
method_name字符串，可选

调用此函数的方法名称。如果提供，错误消息将包含此信息。

抛出异常：
NotFittedError

如果估计器尚未拟合。

clone()[source]#

获取具有相同超参数和配置的对象的克隆。

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 self 的 sklearn.clone。

等同于构造一个新的 type(self) 实例，并使用 self 的参数，即 type(self)(**self.get_params(deep=False))。

如果 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())。

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

抛出异常：
如果由于 __init__ 错误导致克隆不符合规范，则抛出 RuntimeError。
clone_tags(estimator, tag_names=None)[source]#

将其他对象的标签克隆为动态覆盖。

每个与 scikit-base 兼容的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__ 方法中调用，在构造期间，或通过 __init__ 直接在构造之后调用。

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

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

当前标签值可以通过 get_tags 或 get_tag 检查。

参数：
estimator:class:BaseObject 或派生类的实例
tag_names字符串或字符串列表，默认值 = 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建类实例。

参数：
parameter_set字符串，默认值=”default”

要返回的测试参数集的名称，用于测试。如果某个值没有定义特殊参数，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')[source]#

创建所有测试实例列表及其名称列表。

参数：
parameter_set字符串，默认值=”default”

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

返回：
objscls 实例列表

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

names字符串列表，长度与 objs 相同

第 i 个元素是 objs 中第 i 个实例在测试中的名称。如果实例多于一个，命名约定为 {cls.__name__}-{i}，否则为 {cls.__name__}

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

拟合估计器并估计参数。

状态更改

将状态更改为“已拟合”。

写入 self

将 self._is_fitted 标志设置为 True。将 X 写入 self._X。如果 y 不为 None，则将 y 写入 self._y。设置以“_”结尾的已拟合模型属性。

参数：
Xsktime 兼容数据容器格式的时间序列。

用于拟合参数估计器的时间序列。

sktime 中的个体数据格式是所谓的 mtype 规范，每个 mtype 都实现了抽象的 scitype。

  • Series scitype = 个体时间序列，普通预测。pd.DataFrame，pd.Series，或 np.ndarray（1D 或 2D）

  • Panel scitype = 时间序列集合，全局/面板预测。pd.DataFrame 具有 2 级行 MultiIndex (实例, 时间)，3D np.ndarray (实例, 变量, 时间)，list 类型的 Series pd.DataFrame 列表

  • Hierarchical scitype = 分层集合，用于分层预测。pd.DataFrame 具有 3 级或更多级行 MultiIndex (层级_1, ..., 层级_n, 时间)

估计器是否支持面板或分层数据由 scitype 标签 scitype:X 和 scitype:y 决定。

有关数据格式的更多详细信息，请参阅 mtype 词汇表。

ysktime 兼容数据容器格式的时间序列。

用于拟合参数估计器的第二个时间序列。

仅当估计器是成对估计器时才需要，即如果标签 capability:pairwise 为 True 时。

否则输入将被忽略，并且不会抛出异常。

返回：
self对 self 的引用。
classmethod get_class_tag(tag_name, tag_value_default=None)[source]#

从类中获取类标签值，并从父类继承标签级别。

每个与 scikit-base 兼容的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 方法是类方法，它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，优先级降序如下：

  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。

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

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_name字符串

标签值的名称。

tag_value_default任意类型

如果找不到标签，则使用的默认/回退值。

返回：
tag_value

self 中名称为 tag_name 的标签值。如果找不到，则返回 tag_value_default。

classmethod get_class_tags()[source]#

从类中获取类标签，并从父类继承标签级别。

每个与 scikit-base 兼容的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 方法是类方法，它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，覆盖优先级降序如下：

  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_tags字典

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

get_config()[source]#

获取对象的配置标志。

配置是 self 的键值对，通常用作控制行为的瞬时标志。

get_config 返回动态配置，这些配置会覆盖默认配置。

默认配置设置在类或其父类的类属性 _config 中，并通过 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_dict字典

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

get_fitted_params(deep=True)[source]#

获取拟合参数。

所需状态

要求状态为“已拟合”。

参数：
deep布尔型，默认值=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称 : 值 的字典，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称 : 值 的字典，但不包括组件的拟合参数。

返回：
fitted_params键为字符串的字典

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，如通过 get_param_names 获取。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，组件参数的索引格式为 [组件名称]__[参数名称]，组件名称 的所有参数都以其值显示为 参数名称

  • 如果 deep=True，还包含任意级别的组件递归，例如 [组件名称]__[子组件名称]__[参数名称] 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 中在 __init__ 中定义了默认值的所有参数。值是默认值，如同在 __init__ 中定义的那样。

classmethod get_param_names(sort=True)[source]#

获取对象的参数名称。

参数：
sort布尔型，默认值=True

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

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__ 中出现的相同顺序返回。如果 sort=True，则按字母顺序排序。

get_params(deep=True)[source]#

获取此对象的参数值的字典。

参数：
deep布尔型，默认值=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 的 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 的 dict，但不包括组件的参数。

返回：
params键为字符串的字典

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。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，组件参数的索引格式为 [组件名称]__[参数名称]，组件名称 的所有参数都以其值显示为 参数名称

  • 如果 deep=True，还包含任意级别的组件递归，例如 [组件名称]__[子组件名称]__[参数名称] 等

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

从实例中获取标签值，并进行标签级别的继承和覆盖。

每个与 scikit-base 兼容的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，优先级降序如下：

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

在实例构造时。

  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_name字符串

要检索的标签名称

tag_value_default任意类型，可选；默认值=None

如果找不到标签，则使用的默认/回退值

raise_error布尔型

找不到标签时是否抛出 ValueError 异常

返回：
tag_valueAny

self 中名称为 tag_name 的标签值。如果找不到，且 raise_error 为 True，则抛出错误，否则返回 tag_value_default。

抛出异常：
ValueError，如果 raise_error 为 True。

如果 tag_name 不在 self.get_tags().keys() 中，则抛出 ValueError 异常。

get_tags()[source]#

从实例中获取标签，并进行标签级别的继承和覆盖。

每个与 scikit-base 兼容的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，覆盖优先级降序如下：

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

在实例构造时。

  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_tags字典

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

is_composite()[source]#

检查对象是否由其他 BaseObjects 组成。

复合对象是作为参数包含其他对象的对象。在实例上调用，因为这可能因实例而异。

返回：
composite: 布尔型

对象是否有任何参数的值是 BaseObject 的派生实例。

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：
布尔型

估计器是否已 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，其输出位于 path，由 cls.save(path) 生成
classmethod load_from_serial(serial)[source]#

从序列化内存容器加载对象。

参数：
serialcls.save(None) 输出的第 1 个元素
返回：
反序列化的 self，其输出为 serial，由 cls.save(None) 生成
reset()[source]#

将对象重置为干净的初始化后状态。

结果是将 self 设置为其构造函数调用后的状态，具有相同的超参数。通过 set_config 设置的配置值也会保留。

reset 调用会删除任何对象属性，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，配置保留不变。也就是说，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 改变 self 而不是返回新对象。

在调用 self.reset() 后，self 在值和状态上等于构造函数调用 type(self)(**self.get_params(deep=False)) 后获得的对象。

返回：
self

重置为干净的初始化后状态，但保留当前超参数值的类实例。

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

将序列化的对象保存到类字节对象或 (.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 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，则将 self 保存到内存对象；如果为文件位置，则将 self 保存到该文件位置。如果

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

  • path=”/home/stored/estimator”，则 estimator.zip zip 文件将

存储在 /home/stored/ 中。

serialization_format: 字符串，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 为文件位置 - 包含文件引用的 ZipFile
set_config(**config_dict)[source]#

将配置标志设置为给定值。

参数：
config_dict字典

配置名称 : 配置值 对的字典。有效配置、值及其含义如下所示

display字符串，“diagram”（默认），或“text”

jupyter 内核如何显示 self 的实例

  • “diagram” = html 框图表示

  • “text” = 字符串打印输出

print_changed_only布尔型，默认值=True

打印 self 时是仅列出与默认值不同的 self 参数（False），还是列出所有参数名称和值（False）。不嵌套，即仅影响 self，不影响组件估计器。

warnings字符串，“on”（默认），或“off”

是否发出警告，仅影响来自 sktime 的警告

  • “on” = 将发出来自 sktime 的警告

  • “off” = 不会发出来自 sktime 的警告

backend:parallel字符串，可选，默认值=”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

  • “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:params字典，可选，默认值={}（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，忽略 backend_params

  • “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。此处可以传递 joblib.Parallel 的任何有效键，例如 n_jobs。在这种情况下，必须将 backend 作为 backend_params 的一个键传递。如果未传递 n_jobs，它将默认为 -1，其他参数将默认为 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”：布尔型，默认值=True；False 防止 ray 在并行化后

      关闭。

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

    • “mute_warnings”：布尔型，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)[source]#

设置此对象的参数。

此方法适用于简单的 skbase 对象以及复合对象。参数键字符串 <组件>__<参数> 可用于复合对象（即包含其他对象的对象）以访问组件 <组件> 中的 <参数>。如果不包含 <组件>__ 的字符串 <参数> 也可以使用，前提是引用明确，例如，没有两个组件参数的名称都叫 <参数>。

参数：
**params**字典

BaseObject 参数，键必须是 <组件>__<参数> 字符串。__ 后缀可以作为完整字符串的别名，前提是在 get_params 键中是唯一的。

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

为对象设置 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 的链式哈希采样，并保证种子随机生成器的伪随机独立性。

根据 self_policy，适用于 self 中的 random_state 参数，并且仅当 deep=True 时适用于其余组件对象。

注意：即使 self 没有 random_state 参数，或者任何组件都没有 random_state 参数，也会调用 set_params。因此，set_random_state 将重置任何 scikit-base 对象，即使是没有 random_state 参数的对象。

参数：
random_state整型，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。传递整型可在多次函数调用中获得可复现的输出。

deep布尔型，默认值=True

是否在 skbase 对象类型参数（即组件估计器）中设置随机状态。

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

  • 如果为 True，也将设置组件对象中的 random_state 参数。

self_policy字符串，{“copy”, “keep”, “new”} 之一，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，

派生自输入的 random_state，并且通常与其不同

返回：
self对 self 的引用
set_tags(**tag_dict)[source]#

将实例级别的标签覆盖设置为给定值。

每个与 scikit-base 兼容的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，它们是对象构造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 方法只能在对象的构建过程中，即在 __init__ 方法中调用，或者在通过 __init__ 完成构建后立即调用。

当前标签值可以通过 get_tags 或 get_tag 检查。

参数：
**tag_dictdict

标签名：标签值对的字典。

返回：
自身

指向自身的引用。

update(X, y=None)[source]#

更新更多数据的拟合参数。

如果尚未实现特定于估计器的更新方法，则默认的回退行为是对迄今为止所有观察到的数据进行拟合

所需状态

要求状态为“已拟合”。

在自身中的访问

拟合模型属性以“_”结尾。指向已见数据的指针，self._X self._is_fitted 拟合模型属性以“_”结尾。

写入 self

通过追加行来用 X 更新 self._X。更新以“_”结尾的拟合模型属性。

参数：
Xsktime 兼容数据容器格式的时间序列。

用于拟合参数估计器的时间序列。

sktime 中的个体数据格式是所谓的 mtype 规范，每个 mtype 都实现了抽象的 scitype。

  • Series scitype = 个体时间序列，普通预测。pd.DataFrame，pd.Series，或 np.ndarray（1D 或 2D）

  • Panel scitype = 时间序列集合，全局/面板预测。pd.DataFrame 具有 2 级行 MultiIndex (实例, 时间)，3D np.ndarray (实例, 变量, 时间)，list 类型的 Series pd.DataFrame 列表

  • Hierarchical scitype = 分层集合，用于分层预测。pd.DataFrame 具有 3 级或更多级行 MultiIndex (层级_1, ..., 层级_n, 时间)

估计器是否支持面板或分层数据由 scitype 标签 scitype:X 和 scitype:y 决定。

有关数据格式的更多详细信息，请参阅 mtype 词汇表。

ysktime 兼容数据容器格式的时间序列。

用于拟合参数估计器的第二个时间序列。

仅当估计器是成对估计器时才需要，即如果标签 capability:pairwise 为 True 时。

否则输入将被忽略，并且不会抛出异常。

返回：
self对 self 的引用