MACNNRegressor

class MACNNRegressor(n_epochs=1500, batch_size=4, padding='same', pool_size=3, strides=2, repeats=2, filter_sizes=(64, 128, 256), kernel_size=(3, 6, 12), reduction=16, loss='mean_squared_error', activation='sigmoid', use_bias=True, metrics=None, optimizer=None, callbacks=None, random_state=0, verbose=False)

多尺度注意力卷积神经网络回归器，如 [1] 中所述。

参数：

n_epochsint，可选 (默认=1500)

训练模型的 epoch 数量。

batch_sizeint，可选 (默认=4)

每次梯度更新的样本数量。

paddingstr，可选 (默认=”same”)

MACNN Block 中提供的填充类型。接受 keras.layers 支持的所有字符串值。

pool_sizeint，可选 (默认=3)

一个表示在两个 MACNN Block 之间应用的池化窗口的单个值。

stridesint，可选 (默认=2)

一个表示池化操作期间要采取的步长的单个值。

repeatsint，可选 (默认=2)

要堆叠的 MACNN Block 的数量。

filter_sizestuple，可选 (默认=(64, 128, 256))

每个 MACNN Block 内 Conv1D 层的输入大小。

kernel_sizetuple，可选 (默认=(3, 6, 12))

每个 MACNN Block 内 Conv1D 层的输出大小。

reductionint，可选 (默认 = 16)

MACNN Block 的第一个全连接层将除以的因子。

lossstr，可选 (默认=”mean_squared_error”)

训练期间使用的损失函数名称，应受 keras 支持。

use_biasbool，可选 (默认=True)

输出层是否应包含偏置。

metricsNone 或 string，可选 (默认=None)

模型编译期间使用的字符串。如果保留为 None，则将 “accuracy” 传递给 model.compile()。

optimizer: None 或 keras.optimizers.Optimizer 实例，可选 (默认=None)

用于模型编译的优化器。如果保留为 None，则使用 keras.optimizers.Adam(learning_rate=0.0001)。

callbacksNone 或 keras.callbacks.Callback 列表，可选 (默认=None)

训练期间使用的回调函数。

random_stateint，可选 (默认=0)

任何随机操作的种子。

verbosebool，可选 (默认=False)

模型训练期间的详细程度，设置为 True 将打印模型摘要、训练信息等。

属性：

is_fitted

是否已调用 fit。

参考文献

[1]

Wei Chen 等人，Multi-scale Attention Convolutional

Neural Network for time series classification，《神经网络》，第 136 卷，2021 年，第 126-140 页，ISSN 0893-6080，https://doi.org/10.1016/j.neunet.2021.01.001。

方法

build_model(input_shape, **kwargs)	构造一个已编译的、未经训练的 keras 模型，准备好进行训练。
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])	将另一个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。
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，具有从父类继承的标签级别。
get_class_tags()	从类中获取类标签，具有从父类继承的标签级别。
get_config()	获取自身的配置标志。
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_tag(tag_name[, tag_value_default, ...])	从实例中获取标签值，具有标签级别继承和覆盖。
get_tags()	从实例中获取标签，具有标签级别继承和覆盖。
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()	将对象重置到干净的初始化后状态。
save([path])	将序列化的自身保存到字节类对象或 (.zip) 文件。
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, ...])	为自身设置 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。

build_model(input_shape, **kwargs)

构造一个已编译的、未经训练的 keras 模型，准备好进行训练。

在 sktime 中，时间序列存储在形状为 (d,m) 的 numpy 数组中，其中 d 是维数，m 是序列长度。Keras/tensorflow 假定数据形状为 (m,d)。此方法也假定形状为 (m,d)。转置应在 fit 中发生。

参数：

input_shapetuple

输入层接收的数据的形状，应为 (m,d)

返回：

output一个已编译的 Keras Model

classmethod get_test_params(parameter_set='default')

返回估计器的测试参数设置。

参数：

parameter_setstr，可选 (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。对于分类器，应提供一组“default”参数用于通用测试，以及一组“results_comparison”参数用于在通用集未产生适合比较的概率时与先前记录的结果进行比较。

返回：

paramsdict 或 dict 列表

用于创建类的测试实例的参数。每个 dict 都是构造“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（或唯一的）字典。

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。

如果不是，则引发 NotFittedError。

参数：

method_namestr，可选

调用此方法的函数名称。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 sklearn.clone 的 self。

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

如果配置已设置在 self 上，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())。

在值上也等同于调用 self.reset，区别在于 clone 返回一个新对象，而不是像 reset 那样改变 self。

引发：

如果由于 __init__ 错误导致克隆不符合要求，则会引发 RuntimeError。

clone_tags(estimator, tag_names=None)

将另一个对象的标签克隆为动态覆盖。

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，在构造期间或通过 __init__ 直接在构造后调用。

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

tag_names 的默认值是将 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：

自身 (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使用默认参数的类的实例

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，命名约定是 {cls.__name__}-{i}，否则是 {cls.__name__}

fit(X, y)

将时间序列回归器拟合到训练数据。

状态变化

将状态更改为“已拟合” (fitted)。

写入自身 (self)

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

参数：

Xsktime 兼容的时间序列面板数据容器，Panel scitype

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: 列为变量的 pd.DataFrame，索引为 pd.MultiIndex，第一级为实例索引，第二级为时间索引

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

• 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具有多元或不等长序列的面板数据，详细信息请参阅标签参考。

ysktime 兼容的表格数据容器，Table scitype

1D 可迭代对象，形状为 [n_instances]，或 2D 可迭代对象，形状为 [n_instances, n_dimensions] 用于拟合的类别标签 0 索引对应于 X 中的实例索引 1 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对自身 (self) 的引用。

备注

通过创建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。

classmethod get_class_tag(tag_name, tag_value_default=None)

从类中获取类标签值，具有从父类继承的标签级别。

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

get_class_tag 方法是一个类方法，仅考虑类级别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，按以下降序优先顺序考虑标签覆盖

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。

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

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，具有从父类继承的标签级别。

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，覆盖按以下降序优先顺序

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。

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。

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

要包含来自动态标签的覆盖，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。不会被通过 set_tags 或 clone_tags 设置的动态标签覆盖。

get_config()

获取自身的配置标志。

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，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 调用时保留。

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” (fitted)。

参数：

deepbool，默认=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：值字典，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：值字典，但不包括组件的拟合参数。

返回：

fitted_params键为 str 的 dict

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，通过 get_param_names 获取，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，组件参数索引为 [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 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）或按它们在类 __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，则顺序与它们在类 __init__ 中出现的顺序相同。如果 sort=True，则按字母顺序排序。

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 值的参数）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 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，值是此对象该键的参数值，这些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，组件参数索引为 [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)

从实例中获取标签值，具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 的单个标签值，按以下降序优先顺序考虑标签覆盖

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

在构造实例时。

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，可选；默认=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_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，则会引发 ValueError。

get_tags()

从实例中获取标签，具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 设置的标签的键。

值是相应的标签值，覆盖按以下降序优先顺序

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

在构造实例时。

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()

检查对象是否由其他 BaseObjects 组成。

复合对象是包含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

对象的任何参数值是否为 BaseObject 后代实例。

property is_fitted

是否已调用 fit。

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

估计器是否已被 fit (拟合)。

classmethod load_from_path(serial)

从文件位置加载对象。

参数：

serialzip 文件名称。

返回：

反序列化的自身 (self)，结果输出在 path，即 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 1 个元素

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

返回：

反序列化的自身 (self)，结果输出为 serial，即 cls.save(None) 的输出

predict(X) → ndarray

预测 X 中序列的标签。

参数：

Xsktime 兼容的时间序列面板数据容器，Panel scitype

用于预测标签的时间序列。

可以是 Panel scitype 的任何 mtype，例如

• pd-multiindex: 列为变量的 pd.DataFrame，索引为 pd.MultiIndex，第一级为实例索引，第二级为时间索引

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

• 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具有多元或不等长序列的面板数据，详细信息请参阅标签参考。

返回：

y_predsktime 兼容的表格数据容器，Table scitype

预测的回归标签

1D 可迭代对象，形状为 [n_instances]，或 2D 可迭代对象，形状为 [n_instances, n_dimensions]。

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

1D np.ndarray，如果 y 是单变量（一维）；否则，与 fit 中传递的 y 类型相同

reset()

将对象重置到干净的初始化后状态。

结果是将 self 设置为构造函数调用后直接拥有的状态，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，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，配置保持不变。也就是说，reset 前后 get_config 的结果是相等的。

类和对象方法以及类属性也不受影响。

等同于 clone，区别在于 reset 会修改 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)) 后获得的对象相等。

返回：

自身 (self)

类实例重置到干净的初始化后状态，但保留当前超参数值。

save(path=None)

将序列化的自身保存到字节类对象或 (.zip) 文件。

行为：如果 path 为 None，则返回一个内存中的序列化自身 (self)；如果 path 是文件路径，则在该位置存储名称为 path 的 zip 文件。zip 文件内容包括：_metadata - 包含自身的类，即 type(self)。_obj - 序列化的自身 (self)。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 - 序列化历史对象。

参数：

pathNone 或文件位置 (str 或 Path)

如果为 None，则自身 (self) 保存到内存对象中；如果为文件位置，则自身 (self) 保存到该文件位置。例如

path=”estimator”，则将在当前工作目录 (cwd) 创建一个 zip 文件 estimator.zip。path=”/home/stored/estimator”，则将在 /home/stored/ 中存储一个 zip 文件 estimator.zip。

返回：

如果 path 为 None - 内存中的序列化自身 (self)

如果 path 为文件位置 - 引用该文件的 ZipFile 对象

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 scitype，例如

pd-multiindex: 列为变量的 pd.DataFrame，索引为 pd.MultiIndex，第一级为实例索引，第二级为时间索引 numpy3D: 形状为 [n_instances, n_dimensions, series_length] 的 3D np.array（任意维数，等长序列） 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

y形状为 [n_instances, n_dimensions] 的 2D np.array (int) - 回归标签

用于拟合的索引对应于 X 中的实例索引 或 形状为 [n_instances] 的 1D np.array (int) - 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 (n_outputs,) 的 array-like 或 None，默认=”uniform_average”。定义多输出分数的聚合方式。Array-like 值定义用于平均分数的权重。

返回：

float (默认) 或 1D np.array (float)

predict(X) 与 y 之间的 R 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、值及其含义如下所示

displaystr，"diagram"（默认）或 "text"

jupyter 内核如何显示实例自身

• "diagram" = html 框图表示

• "text" = 字符串打印输出

print_changed_onlybool，默认值=True

打印自身时，是仅列出与默认值不同的自身参数 (False)，还是列出所有参数名称和值 (False)。不嵌套，即仅影响自身而非组件估计器。

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" = 将不引发来自 sktime 的警告

backend:parallelstr，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"：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，要求环境中包含 dask 包

• "ray"：使用 ray，要求环境中包含 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，可在此处传递 joblib.Parallel 的任何有效键，例如 n_jobs，但 backend 除外，该参数由 backend 直接控制。如果未传递 n_jobs，则默认值为 -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。可在此处传递 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 的键传递。如果未传递 n_jobs，则默认值为 -1，其他参数将默认为 joblib 的默认值。

• "dask"：可传递 dask.compute 的任何有效键，例如 scheduler

• "ray"：可传递以下键

  • "ray_remote_args"：ray.init 的有效键字典

  • "shutdown_ray"：bool，默认值=True；False 可防止 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自身引用。

备注

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>。字符串 <parameter>（不含 <component>__）也可用于此引用明确的情况，例如，没有两个组件参数的名称为 <parameter>。

参数：

**paramsdict

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

返回：

self自身引用（参数设置后）

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

为自身设置 random_state 伪随机种子参数。

通过 self.get_params 查找命名为 random_state 的参数，并通过 set_params 将它们设置为从 random_state 通过链式哈希（使用 sample_dependent_seed）导出的整数。这些整数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，仅当 deep=True 时才应用于剩余的组件对象。

注意：即使 self 没有 random_state 参数，或者组件中没有 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，即组件估计器。

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

• 如果为 True，则也会在组件对象中设置 random_state 参数。

self_policystr，{“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，

该状态派生自输入的 random_state，通常与输入不同

返回：

self自身引用

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，它们是构建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，其中键为标签名称，字典值为要设置的标签值。

set_tags 方法应仅在对象的 __init__ 方法中，在构建期间或通过 __init__ 构建后立即调用。

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：

自身

自身引用。