平稳性方差比#

class StationarityVarianceRatio(lags=2, trend='c', overlap=True, robust=True, debiased=True, p_threshold=0.05)[来源]#

通过随机游走的方差比检验进行平稳性检验。

直接接口，使用 arch 包中的 VarianceRatio 检验。

使用 arch.unitroot.VarianceRatio 作为单位根检验，并导出一个布尔值语句，指示时间序列是否平稳。

还将单位根检验的测试结果作为拟合参数返回。

参数：
lagsint

用于计算多期方差的周期数，它是检验统计量的分子。必须至少为 2。

trend{“n”, “c”}，可选

“c” 允许随机游走存在非零漂移，而 “n” 要求 y 的增量均值为 0。

overlapbool，可选

指示是否使用所有重叠块。默认为 True。如果为 False，则 y 中的观测值减 1 必须是 lags 的精确倍数。如果不满足此条件，y 末尾的一些值将被丢弃。

robustbool，可选

指示是否使用异方差稳健推断。默认为 True。

debiasedbool，可选

指示是否使用检验的去偏版本。默认为 True。仅当 overlap 为 True 时适用。

属性：
stationary_bool

fit 中序列是否根据检验结果是平稳的；更精确地说，方差比检验的零假设是否在 p_threshold 处被接受。

test_statistic_float

在 fit 中对 y 运行 VarianceRatio 得到的 VR 检验统计量。

pvalue_floatfloat

在 fit 中对 y 运行 VarianceRatio 时获得的 p 值。

usedlag_int

检验中使用的滞后数。

示例

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

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一个实例。

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[, 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字典。

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

从实例中获取标签值，并考虑标签级别的继承和覆盖。

get_tags()

从实例中获取标签，并考虑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, ...])

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])

在更多数据上更新拟合参数。
classmethod get_test_params(parameter_set='default')[来源]#

返回估计器的测试参数设置。

参数：
parameter_setstr, default=”default”

要返回的测试参数集的名称，用于测试。如果某个值没有定义特殊参数，则返回 "default" 集。参数估计器没有保留值。

返回值：
paramsdict or list of dict, default = {}

用于创建类的测试实例的参数。每个 dict 都是用于构造一个“有趣的”测试实例的参数，例如，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)[来源]#

检查估计器是否已拟合。

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 异常。

参数：
method_namestr, optional

调用此方法的函数的名称。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()[来源]#

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不同对象。此函数等同于返回对象的 sklearn.clone。

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

如果对象上设置了配置，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())。

在值上等同于调用对象的 reset 方法，但 clone 返回一个新对象，而不是像 reset 那样改变对象本身。

引发：
如果克隆不符合规范，由有缺陷的 __init__ 引起，则会引发 RuntimeError 异常。
clone_tags(estimator, tag_names=None)[来源]#

从另一个对象克隆标签作为动态覆盖。

每个 scikit-base 兼容的对象都有一个标签字典。标签可用于存储对象的元数据，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，即在构造期间，或通过 __init__ 直接构造后调用。

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

tag_names 的默认设置是将 estimator 中的所有标签写入对象本身。

当前标签值可以通过 get_tags 或 get_tag 方法查看。

参数：
estimatorAn instance of :class:BaseObject or derived class
tag_namesstr or list of str, default = None

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

返回值：
self

对象的引用。

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

使用第一个测试参数集构造类的一个实例。

参数：
parameter_setstr, default=”default”

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

返回值：
instanceinstance of the class with default parameters
classmethod create_test_instances_and_names(parameter_set='default')[来源]#

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。如果某个值没有定义特殊参数，则返回 “default” 集。

返回值：
objslist of instances of cls

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

nameslist of str, same length as objs

第 i 个元素是测试中 objs 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__}。

fit(X, y=None)[来源]#

拟合估计器并估计参数。

状态改变

将状态更改为“已拟合”。

写入对象本身

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“_”结尾的拟合模型属性。

参数：
X时间序列，采用 sktime 兼容的数据容器格式。

用于拟合参数估计器的时间序列。

sktime 中的个别数据格式是所谓的 mtype 规范，每个 mtype 实现一个抽象的 scitype。

  • Series scitype = 个别时间序列，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。具有 2 级行 MultiIndex (instance, time) 的 pd.DataFrame，3D np.ndarray (instance, variable, time)，list of Series typed pd.DataFrame

  • Hierarchical scitype = 分层集合，用于分层预测。具有 3 级或更多级别行 MultiIndex (hierarchy_1, ..., hierarchy_n, time) 的 pd.DataFrame

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。

y时间序列，采用 sktime 兼容的数据容器格式。

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。

否则输入将被忽略，并且不会抛出异常。

返回值：
self对象的引用。
classmethod get_class_tag(tag_name, tag_value_default=None)[来源]#

从类中获取类标签值，并继承父类的标签级别。

每个 scikit-base 兼容的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，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 的标签值，并考虑标签覆盖，按以下优先级递减的顺序：

  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，

按继承顺序。

不考虑实例上的动态标签覆盖，即通过 set_tags 或 clone_tags 在实例上定义的标签。

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_defaultany type

如果未找到标签，则为默认/备用值。

返回值：
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()[来源]#

从类中获取类标签，并继承父类的标签级别。

每个 scikit-base 兼容的对象都有一个标签字典。标签可用于存储对象的元数据，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，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，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，覆盖顺序按以下优先级递减：

  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。

不考虑实例上的动态标签覆盖，即通过 set_tags 或 clone_tags 在实例上定义的标签。

要包含动态标签的覆盖，请使用 get_tags 方法。

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()[来源]#

获取对象的配置标志。

配置是对象的键值对，通常用作控制行为的瞬时标志。

get_config 返回动态配置，它们会覆盖默认配置。

默认配置在类或其父类的类属性 _config 中设置，并通过 set_config 设置的动态配置进行覆盖。

配置在 clone 或 reset 调用中得以保留。

返回值：
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，然后从 _onfig_dynamic 对象属性收集任何覆盖和新标签。

get_fitted_params(deep=True)[来源]#

获取拟合参数。

所需状态

要求状态为“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称 : 参数值 dict，包括可拟合组件（= BaseEstimator 值的参数）的拟合参数。

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

返回值：
fitted_paramsdict with str-valued keys

拟合参数字典，paramname : paramvalue 键值对包括

  • 总是：此对象的所有拟合参数，如通过 get_param_names 获取的，值是该键对应的拟合参数值，属于此对象。

  • 如果 deep=True，还包含组件参数的键/值对。组件的参数索引为 [componentname]__[paramname]，componentname 的所有参数以 paramname 形式出现，并附带其值。

  • 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()[来源]#

获取对象的参数默认值。

返回值：
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 __init__ 中定义的默认值。

classmethod get_param_names(sort=True)[来源]#

获取对象的参数名称。

参数：
sortbool, default=True

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

返回值：
param_names: list[str]

cls 的参数名称列表。如果 sort=False，则按它们在类的 __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)[来源]#

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 True，将返回此对象的参数名称 : 参数值 dict，包括组件（= BaseObject 值的参数）的参数。

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

返回值：
paramsdict with str-valued keys

参数字典，paramname : paramvalue 键值对包括

  • 总是：此对象的所有参数，如通过 get_param_names 获取的，值是该键对应的参数值，属于此对象。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。组件的参数索引为 [componentname]__[paramname]，componentname 的所有参数以 paramname 形式出现，并附带其值。

  • 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)[来源]#

从实例中获取标签值，并考虑标签级别的继承和覆盖。

每个 scikit-base 兼容的对象都有一个标签字典。标签可用于存储对象的元数据，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，并考虑标签覆盖，按以下优先级递减的顺序：

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

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，

按继承顺序。

参数：
tag_namestr

要检索的标签名称

tag_value_defaultany type, optional; default=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 异常

返回值：
tag_valueAny

self 中 tag_name 标签的值。如果未找到，则在 raise_error 为 True 时引发错误，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()[来源]#

从实例中获取标签，并考虑标签级别的继承和覆盖。

每个 scikit-base 兼容的对象都有一个标签字典。标签可用于存储对象的元数据，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，或通过 set_tags 或 clone_tags 设置的标签。

值是相应的标签值，覆盖顺序按以下优先级递减：

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

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，

按继承顺序。

返回值：
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，然后从 _tags_dynamic 对象属性收集任何覆盖和新标签。

is_composite()[来源]#

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。

返回值：
composite: bool

对象是否有任何参数的值是 BaseObject 的后代实例。

property is_fitted[来源]#

fit 方法是否已被调用。

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。

返回值：
bool

估计器是否已 fit。

classmethod load_from_path(serial)[来源]#

从文件位置加载对象。

参数：
serialresult of ZipFile(path).open(“object)
返回值：
序列化结果在 path 处的 self，即 cls.save(path) 的输出。
classmethod load_from_serial(serial)[来源]#

从序列化内存容器加载对象。

参数：
serial1st element of output of cls.save(None)
返回值：
序列化结果 serial 的 self，即 cls.save(None) 的输出。
reset()[来源]#

将对象重置为干净的初始化后状态。

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 设置的配置值也得以保留。

一个 reset 调用删除所有对象属性，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”的属性得以保留。

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

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 的值和状态与构造函数调用``type(self)(**self.get_params(deep=False))`` 后获得的对象相同。

返回值：
self

将类的实例重置为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')[来源]#

将序列化的对象保存到字节类对象或 (.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 作为 zip 文件存储在该位置。

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 - 序列化后的 self。此类使用默认的序列化方式 (pickle)。

参数：
pathNone or file location (str or Path)

如果为 None，则 self 保存到内存对象；如果是文件位置，则 self 保存到该文件位置。如果

  • path=”estimator”，则会在当前工作目录创建一个 estimator.zip 文件。

  • path=”/home/stored/estimator”，则会在 /home/stored/ 中创建一个 estimator.zip 文件。

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。

返回值：
如果 path 为 None - 内存中的序列化 self
如果 path 是文件位置 - 包含文件引用的 ZipFile
set_config(**config_dict)[来源]#

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、值及其含义如下所示

displaystr, “diagram” (default), or “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_onlybool, default=True

打印 self 时是否只列出与默认值不同的 self 参数（False），还是所有参数名称和值（False）。不进行嵌套，即只影响 self，不影响组件估计器。

warningsstr, “on” (default), or “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” = 不会引发来自 sktime 的警告

backend:parallelstr, optional, default=”None”

广播/向量化时用于并行化的后端，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, optional, default={} (no parameters passed)

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，它由 backend 直接控制。如果未传递 n_jobs，则默认为 -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。backend 在这种情况下必须作为 backend_params 的一个键传递。如果未传递 n_jobs，则默认为 -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”：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的名称。

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

返回值：
selfself 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)[来源]#

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>。如果这样引用是明确的，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相同的名称 <parameter>。

参数：
**paramsdict

BaseObject 参数，键必须是 <component>__<parameter> 字符串。如果 __ 后缀在 get_params 键中是唯一的，则可以作为完整字符串的别名。

返回值：
selfself 的引用（设置参数后）
set_random_state(random_state=None, deep=True, self_policy='copy')[来源]#

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 将其设置为从 random_state 派生的整数。这些整数通过 sample_dependent_seed 从链式哈希中采样，并保证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，并且仅当 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 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 int 可在多次函数调用中获得可重现的输出。

deepbool, default=True

是否在 skbase 对象值参数中设置随机状态，即组件估计器中。

  • 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 被设置为输入的 random_state

  • “keep”：self.random_state 保持原样

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

派生自输入的 random_state，并且通常与它不同

返回值：
selfself 的引用
set_tags(**tag_dict)[来源]#

将实例级别的标签覆盖设置为给定值。

每个 scikit-base 兼容的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，dict 值是要将标签设置成的值。

set_tags 方法应仅在对象的 __init__ 方法中调用，即在构造期间，或通过 __init__ 直接构造后调用。

当前标签值可以通过 get_tags 或 get_tag 方法查看。

参数：
**tag_dictdict

标签名称：标签值 对的字典。

返回值：
Self

self 的引用。

update(X, y=None)[源代码]#

在更多数据上更新拟合参数。

如果没有实现估计器特定的更新方法，默认回退是拟合所有目前观察到的数据。

所需状态

要求状态为“已拟合”。

在 self 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。

写入对象本身

通过附加行，用 X 更新 self._X。更新以“_”结尾的拟合模型属性。

参数：
X时间序列，采用 sktime 兼容的数据容器格式。

用于拟合参数估计器的时间序列。

sktime 中的个别数据格式是所谓的 mtype 规范，每个 mtype 实现一个抽象的 scitype。

  • Series scitype = 个别时间序列，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。具有 2 级行 MultiIndex (instance, time) 的 pd.DataFrame，3D np.ndarray (instance, variable, time)，list of Series typed pd.DataFrame

  • Hierarchical scitype = 分层集合，用于分层预测。具有 3 级或更多级别行 MultiIndex (hierarchy_1, ..., hierarchy_n, time) 的 pd.DataFrame

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。

y时间序列，采用 sktime 兼容的数据容器格式。

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。

否则输入将被忽略，并且不会抛出异常。

返回值：
selfself 的引用