InceptionTimeRegressor

class InceptionTimeRegressor(n_epochs=1500, batch_size=64, kernel_size=40, n_filters=32, use_residual=True, use_bottleneck=True, bottleneck_size=32, depth=6, callbacks=None, random_state=None, verbose=False, loss='mean_squared_error', metrics=None)

InceptionTime 深度学习回归器。

改编自 Fawaz 等人的实现 hfawaz/InceptionTime

参数:

n_epochsint, 默认=1500

batch_sizeint, 默认=64

每次梯度更新的样本数

kernel_sizeint, 默认=40

指定一维卷积窗口的长度

n_filtersint, 默认=32

use_residual布尔型, 默认=True

use_bottleneck布尔型, 默认=True

bottleneck_sizeint, 默认=32

depthint, 默认=6

callbackstf.keras.callbacks.Callback objects 列表

random_state: int, 选填, 默认=None

内部随机数生成器的随机种子

verbose: 布尔型, 默认=False

是否打印运行时信息

loss: str, 默认=”mean_squared_error”

metrics: 选填

属性:

is_fitted

是否已调用 fit 方法。

注意

..[1] Fawaz et. al, InceptionTime: Finding AlexNet for Time Series Classification, Data Mining and Knowledge Discovery, 34, 2020

方法

build_model(input_shape, **kwargs)	构建一个已编译、未训练但可用于训练的 keras 模型。
check_is_fitted([method_name])	检查估计器是否已拟合。
clone()	获取一个具有相同超参数和配置的对象克隆。
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该类的一个实例。
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)	将时间序列回归器拟合到训练数据。
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, ...])	从实例中获取标签值，并包含标签级别的继承和覆盖。
get_tags()	从实例中获取标签，并包含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 BaseObject 构成。
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。
predict(X)	预测 X 中序列的标签。
reset()	将对象重置为干净的初始化后状态。
save([path])	将序列化的 self 保存到字节类对象或 (.zip) 文件中。
score(X, y[, multioutput])	根据 X 上的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, ...])	设置 self 的 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。

build_model(input_shape, **kwargs)

构建一个已编译、未训练但可用于训练的 keras 模型。

参数:

input_shapetuple

输入层接收的数据形状

返回:

output一个已编译的 Keras Model

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。该 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, 选填

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

如果估计器尚未拟合。

clone()

获取一个具有相同超参数和配置的对象克隆。

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

等效于构造 type(self) 的新实例，并使用 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，等效于调用 cloned_self.set_config(**self.get_config())。

在值上也等效于调用 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__ 导致克隆不符合规范，则会引发 RuntimeError。

clone_tags(estimator, tag_names=None)

从另一个对象克隆标签作为动态覆盖。

每个与 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 方法只能在对象的 __init__ 方法中调用，即在构造期间或通过 __init__ 构造后直接调用。

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

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

可以通过 get_tags 或 get_tag 检查当前标签值。

参数:

estimator:class:BaseObject 或派生类的一个实例

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')

使用第一个测试参数集构造该类的一个实例。

参数:

parameter_setstr, 默认=”default”

要返回的测试参数集的名称，用于测试。如果没有为值定义特殊参数，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, 默认=”default”

要返回的测试参数集的名称，用于测试。如果没有为值定义特殊参数，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, 长度与 objs 相同

第 i 个元素是测试中第 i 个 obj 实例的名称。如果多于一个实例，命名约定为 {cls.__name__}-{i}，否则为 {cls.__name__}。

fit(X, y)

将时间序列回归器拟合到训练数据。

状态改变

将状态更改为“已拟合”。

写入 self

将 self.is_fitted 设置为 True。设置以“_”结尾的已拟合模型属性。

参数:

X与 sktime 兼容的 Panel scitype 时间序列面板数据容器

用于拟合估计器的时间序列。

可以是 Panel scitype 的任何 mtype，例如

• pd-multiindex: 列为 variables 的 pd.DataFrame，索引为 pd.MultiIndex，其中第一级为 instance 索引，第二级为 time 索引

• numpy3D: 3D np.array (任意维数，等长序列)，形状为 [n_instances, n_dimensions, series_length]

• 或任何其他支持的 Panel mtype

有关 mtype 列表，请参阅 datatypes.SCITYPE_REGISTER

有关详细规范，请参阅 examples/AA_datatypes_and_datasets.ipynb

并非所有估计器都支持多变量或不等长序列的面板，详细信息请参阅标签参考。

y与 sktime 兼容的 Table scitype 表格数据容器

一维可迭代对象，形状为 [n_instances] 或二维可迭代对象，形状为 [n_instances, n_dimensions]，用于拟合的类标签，第 0 个索引对应于 X 中的实例索引，第 1 个索引（如果适用）对应于 X 中的多输出向量索引。支持的 sktime 类型：np.ndarray (1D, 2D), pd.Series, pd.DataFrame

返回:

self对 self 的引用。

注意

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

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。

每个与 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，仅考虑类级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，考虑标签覆盖的优先级顺序如下（降序）

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。

不考虑在实例上通过 set_tags 或 clone_tags 设置的动态标签覆盖，这些覆盖是在实例上定义的。

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，则使用的默认/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，并继承父类的标签级别。

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，仅考虑类级标签值和覆盖来检索标签的值。

它返回一个字典，其键是在类或其任何父类中设置的 _tags 属性的任意键。

值是相应的标签值，优先级顺序如下（降序）

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。

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，这些覆盖是在实例上定义的。

要包含来自动态标签的覆盖，请使用 get_tags。

collected_tagsdict

标签名 : 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()

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，并通过 set_config 设置的动态配置进行覆盖。

配置在 clone 或 reset 调用下保留。

返回:

config_dictdict

配置名 : 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)

获取已拟合的参数。

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 : 值字典，包括可拟合组件的已拟合参数（= 值为 BaseEstimator 的参数）。

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

返回:

fitted_params键为 str 类型的 dict

已拟合参数的字典，paramname : paramvalue 键值对包括

• 总是：此对象的所有已拟合参数，如通过 get_param_names 获取。值是此对象该键的已拟合参数值

• 如果 deep=True，还包含组件参数的键/值对。组件的参数索引为 [componentname]__[paramname]。 componentname 的所有参数都显示为 paramname 及其对应的值。

• 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()

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 (True) 或在类 __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，则与它们在类 __init__ 中出现的顺序相同。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 : 值 dict，包括组件的参数（= 值为 BaseObject 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

• 总是：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。组件的参数索引为 [componentname]__[paramname]。 componentname 的所有参数都显示为 paramname 及其对应的值。

• 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)

从实例中获取标签值，并包含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，考虑标签覆盖的优先级顺序如下（降序）

1. 在实例上通过 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, 选填; 默认=None

如果未找到标签，则使用的默认/备用值

raise_errorbool

当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，当 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()

从实例中获取标签，并包含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，其键是在类或其任何父类中设置的 _tags 属性的任意键，或通过 set_tags 或 clone_tags 设置的标签。

值是相应的标签值，优先级顺序如下（降序）

1. 在实例上通过 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. 在父类的 _tags 属性中设置的标签，

按继承顺序。

返回:

collected_tagsdict

标签名 : 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。

classmethod get_test_params(parameter_set='default')

返回估计器的测试参数设置。

参数:

parameter_setstr, 默认=”default”

要返回的测试参数集的名称，用于测试。如果没有为值定义特殊参数，将返回 “default” 集。对于分类器，应提供一组“default”参数用于一般测试，以及一组“results_comparison”参数用于与之前记录的结果进行比较（如果一般集未产生合适的概率可供比较）。

返回:

paramsdict 或 dict 列表, 默认={}

用于创建类测试实例的参数。每个 dict 都是构造一个“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 BaseObject 构成。

复合对象是包含其他对象作为参数的对象。在实例上调用，因为不同实例可能不同。

返回:

composite: bool

对象的任何参数的值是否为 BaseObject 的子类实例。

property is_fitted

是否已调用 fit 方法。

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

估计器是否已 fit。

classmethod load_from_path(serial)

从文件位置加载对象。

参数:

serialzip 文件的名称。

返回:

反序列化的 self，结果输出到 path，是 cls.save(path) 的输出。

classmethod load_from_serial(serial)

从序列化的内存容器加载对象。

参数:

serial：``cls.save(None)`` 输出的第一个元素

这是一个大小为 3 的元组。第一个元素表示通过 pickle 序列化的实例。第二个元素表示通过 h5py 序列化的 keras 模型。第三个元素表示通过 pickle 序列化的 .fit() 历史记录。

返回:

反序列化后的自身，其结果即为 serial，来自 cls.save(None) 的输出

predict(X) → ndarray

预测 X 中序列的标签。

参数:

X与 sktime 兼容的 Panel scitype 时间序列面板数据容器

用于预测标签的时间序列。

可以是 Panel scitype 的任何 mtype，例如

• pd-multiindex: 列为 variables 的 pd.DataFrame，索引为 pd.MultiIndex，其中第一级为 instance 索引，第二级为 time 索引

• numpy3D: 3D np.array (任意维数，等长序列)，形状为 [n_instances, n_dimensions, series_length]

• 或任何其他支持的 Panel mtype

有关 mtype 列表，请参阅 datatypes.SCITYPE_REGISTER

有关详细规范，请参阅 examples/AA_datatypes_and_datasets.ipynb

并非所有估计器都支持多变量或不等长序列的面板，详细信息请参阅标签参考。

返回:

y_predsktime 兼容的表格数据容器，类型为 Table 科学类型

预测的回归标签

一维可迭代对象，形状为 [实例数]，或二维可迭代对象，形状为 [实例数, 维度数]。

第 0 个索引对应于 X 中的实例索引，第 1 个索引（如果适用）对应于 X 中的多输出向量索引。

如果 y 是单变量（一维），则为一维 np.ndarray；否则，与 fit 中传入的 y 类型相同

reset()

将对象重置为干净的初始化后状态。

结果是将 self 设置为其在构造函数调用后立即拥有的状态，使用相同的超参数。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__ 的一个参数

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

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

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 修改 self 而不是返回一个新对象。

在 self.reset() 调用后，self 的值和状态等于构造函数调用 ``type(self)(**self.get_params(deep=False))`` 后获得的对象。

返回:

self

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)

将序列化的 self 保存到字节类对象或 (.zip) 文件中。

行为：如果 path 是 None，则返回内存中的序列化自身；如果 path 是一个文件，则将同名 zip 文件存储在该位置。zip 文件的内容包括：_metadata - 包含自身的类，即 type(self)。_obj - 序列化的自身。此类使用默认序列化（pickle）。keras/ - 模型、优化器和状态存储在此目录中。history - 序列化的历史记录对象。

参数:

pathNone 或 文件位置 (str 或 Path)

如果为 None，则将自身保存到内存对象；如果为文件位置，则将自身保存到该文件位置。例如

path=”estimator” 则将在当前工作目录创建名为 estimator.zip 的 zip 文件。path=”/home/stored/estimator” 则将在 /home/stored/ 存储名为 estimator.zip 的 zip 文件。

返回:

如果 path 为 None - 内存中的序列化自身

如果 path 为文件位置 - 引用该文件的 ZipFile

score(X, y, multioutput='uniform_average') → float

根据 X 上的真实标签对预测标签进行评分。

参数:

Xsktime 兼容的时间序列面板数据容器，Panel 科学类型，例如，

pd-multiindex: pd.DataFrame，列为变量，索引为 pd.MultiIndex，第一层为实例索引，第二层为时间索引；numpy3D: 3D np.array（任意维度，等长序列），形状为 [实例数, 维度数, 序列长度]，或任何其他支持的 Panel mtype；mtype 列表请参阅 datatypes.SCITYPE_REGISTER；规范请参阅 examples/AA_datatypes_and_datasets.ipynb

y2D np.array，int 类型，形状为 [实例数, 维度数] - 用于拟合的回归标签，索引对应 X 中的实例索引；或一维 np.array，int 类型，形状为 [实例数] - 用于拟合的回归标签，索引对应 X 中的实例索引

用于拟合的回归标签，索引对应于 X 中的实例索引或一维 np.array，int 类型，形状为 [实例数] - 用于拟合的回归标签，索引对应于 X 中的实例索引

multioutputstr，可选 (默认=”uniform_average”)

{"raw_values", "uniform_average", "variance_weighted"}，形状为 (输出数,) 的类数组或 None，默认=”uniform_average”。定义如何聚合多个输出评分。类数组值定义用于平均评分的权重。

返回:

float (默认) 或 1D np.array，float 类型

predict(X) 与 y 的 R 平方分数。如果 multioutput=”uniform_average” 或 “variance_weighted”，或 y 是单变量，则为 float；如果 multioutput=”raw_values” 且 y 是多变量，则为 1D np.array

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、值及其含义如下所列

displaystr，“diagram” (默认)，或 “text”

Jupyter 内核如何显示自身实例

• “diagram” = HTML 框图表示

• “text” = 字符串打印输出

print_changed_onlybool，默认=True

打印自身时是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，即仅影响自身，不影响组件估计器。

warningsstr，“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: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，需要环境中有 dask 包

• “ray”：使用 ray，需要环境中有 ray 包

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

作为配置传递给并行后端的附加参数。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，这里可以传递 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，其他参数将使用 joblib 默认值。

• “joblib”：自定义和第三方 joblib 后端，例如 spark。这里可以传递 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，则默认为 -1，其他参数将使用 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，默认=True；False 可阻止 ray 在并行化后关闭。

    在并行化后关闭。

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

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

返回:

self自身的引用。

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>。如果引用不含糊，也可以使用不带 <component>__ 的字符串 <parameter>，例如，没有两个组件参数同名 <parameter>。

参数:

**paramsdict

BaseObject 参数，键必须是 <component>__<parameter> 字符串。__ 后缀可以在 get_params 键中唯一时作为完整字符串的别名。

返回:

self自身的引用（参数设置后）

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

设置 self 的 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 导出的整数。这些整数通过 sample_dependent_seed 从链式哈希中采样，保证伪随机生成器的伪随机独立性。

根据 self_policy 应用于自身中的 random_state 参数，且当且仅当 deep=True 时应用于剩余的组件对象。

注意：即使自身没有 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，即使那些没有 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，控制随机整数的生成。传递整数可在多次函数调用中获得可重现的输出。

deepbool, 默认=True

是否在值为 skbase 对象的参数（即组件估计器）中设置随机状态。

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

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

self_policystr，{“copy”, “keep”, “new”} 之一，默认=”copy”

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

• “keep”：self.random_state 保持不变

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

从输入的 random_state 导出，通常与它不同

返回:

self自身的引用

set_tags(**tag_dict)

将实例级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，用于存储对象的元数据。

标签是特定于实例 self 的键值对，它们是构造对象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 方法仅应在对象的 __init__ 方法中，在构造期间或通过 __init__ 构造后立即调用。

可以通过 get_tags 或 get_tag 检查当前标签值。

参数:

**tag_dictdict

标签名称：标签值对的字典。

返回:

Self

自身的引用。