TimeSeriesSVRTslearn

class TimeSeriesSVRTslearn(C=1.0, kernel='gak', degree=3, gamma='auto', coef0=0.0, shrinking=True, tol=0.001, epsilon=0.1, cache_size=200, n_jobs=None, verbose=0, max_iter=-1)

时间序列支持向量回归器，来自 tslearn。

直接接口到 tslearn.svm.svm.TimeSeriesSVR。

参数：

Cfloat 类型，可选 (默认=1.0)

误差项的惩罚参数 C。

kernel字符串类型，可选 (默认=’gak’)

指定算法中使用的核函数类型。它必须是 ‘gak’ 或 sklearn.svm.SVR 接受的核函数之一。如果没有给定，将使用 ‘gak’。如果给定一个可调用对象，它将用于从数据矩阵预先计算核矩阵；该矩阵的形状应为 (n_samples, n_samples)。

degreeint 类型，可选 (默认=3)

多项式核函数 (‘poly’) 的阶数。所有其他核函数忽略此参数。

gammafloat 类型，可选 (默认=’auto’)

‘gak’、‘rbf’、‘poly’ 和 ‘sigmoid’ 的核系数。如果 gamma 为 ‘auto’，则：

• 对于 ‘gak’ 核函数，它基于训练集的抽样计算 tslearn.metrics.gamma_soft_dtw

• 对于其他核函数（例如 ‘rbf’），将使用 1/n_features。

coef0float 类型，可选 (默认=0.0)

核函数中的独立项。仅在 ‘poly’ 和 ‘sigmoid’ 中有意义。

tolfloat 类型，可选 (默认=1e-3)

停止标准的容忍度。

epsilonfloat 类型，可选 (默认=0.1)

epsilon-SVR 模型中的 epsilon。它指定了 epsilon 管道，在此管道内，预测值与实际值相差不超过 epsilon 的点在训练损失函数中没有惩罚。

shrinking布尔类型，可选 (默认=True)

是否使用收缩启发式算法。

cache_sizefloat 类型，可选 (默认=200.0)

指定核函数缓存的大小（以 MB 为单位）。

n_jobsint 或 None 类型，可选 (默认=None)

用于 GAK 交叉相似度矩阵计算的并行作业数量。None 表示 1，除非在 joblib.parallel_backend 上下文中。-1 表示使用所有处理器。更多详情请参阅 scikit-learn 的术语表。

verboseint 类型，默认：0

启用详细输出。请注意，此设置利用了 libsvm 中按进程的运行时设置，如果启用，可能无法在多线程上下文中正常工作。

max_iterint 类型，可选 (默认=-1)

求解器内部迭代的硬性限制，或 -1 表示无限制。

属性：

support_类数组，形状 = [n_SV]

支持向量的索引。

support_vectors_形状为 [n_SV, sz, d] 的数组

tslearn 数据集格式的支持向量

dual_coef_数组，形状 = [1, n_SV]

决策函数中支持向量的系数。

coef_数组，形状 = [1, n_features]

分配给特征的权重（原始问题中的系数）。仅在线性核函数的情况下可用。coef_ 是从 dual_coef_ 和 support_vectors_ 派生的只读属性。

intercept_数组，形状 = [1]

决策函数中的常数项。

sample_weight类数组，形状 = [n_samples]

每个样本的个体权重

svm_estimator_sklearn.svm.SVR

底层的 sklearn 估计器

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，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, ...])	从实例获取标签值，具有标签级别继承和覆盖。
get_tags()	从实例获取标签，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, serialization_format])	将序列化的自身保存到类似字节的对象或 (.zip) 文件。
score(X, y[, multioutput])	根据 X 上的真实标签评估预测标签。
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。

classmethod get_test_params(parameter_set='default')

返回估计器的测试参数设置。

参数：

parameter_set字符串类型，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，将返回 "default" 集。

返回：

paramsdict 或 list of dict，默认 = {}

用于创建类测试实例的参数。每个字典都是构造一个“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。

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，则抛出 NotFittedError 异常。

参数：

method_name字符串类型，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。

抛出：

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 self 的 sklearn.clone。

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())。

在值上也等同于调用 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。

抛出：

如果由于错误的 __init__ 导致克隆不符合规范，则抛出 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 方法应仅在对象的 __init__ 方法中、构造期间或通过 __init__ 构造后立即调用。

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

tag_names 的默认值将 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_names字符串或字符串列表，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类的实例。

参数：

parameter_set字符串类型，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，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')

创建所有测试实例列表及其名称列表。

参数：

parameter_set字符串类型，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，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 个元素是测试中第 i 个 obj 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)

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”。

写入自身

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: pd.DataFrame，其中 columns = 变量，index = pd.MultiIndex，第一级 = 实例索引，第二级 = 时间索引

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

• 或任何其他支持的 Panel mtype

mtypes 列表请参见 datatypes.SCITYPE_REGISTER

具体规范请参见 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，详情请参见标签参考。

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 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对自身的引用。

注意

通过创建一个已拟合模型来更改状态，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，仅考虑类级别标签值和覆盖来检索标签值。

它从对象返回名为 tag_name 的标签值，考虑标签覆盖，按以下优先级降序排列

1. 类 _tags 属性中设置的标签。

2. 父类 _tags 属性中设置的标签，

按继承顺序。

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

要检索包含潜在实例覆盖的标签值，请改用 get_tag 方法。

参数：

tag_name字符串类型

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，仅考虑类级别标签值和覆盖来检索标签值。

它返回一个字典，其键是类或其任何父类中设置的 _tags 任何属性的键。

值是相应的标签值，覆盖优先级降序排列如下：

1. 类 _tags 属性中设置的标签。

2. 父类 _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。

要检索包含潜在实例覆盖的标签，请改用 get_tags 方法。

不考虑实例上通过 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。不会被 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，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，并会被通过 set_config 设置的动态配置覆盖。

配置在 clone 或 reset 调用下保留。

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 对象属性中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”。

参数：

deep布尔类型，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称：值字典，包括可拟合组件的已拟合参数（= BaseEstimator 值参数）。

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

返回：

fitted_params带有字符串值键的 dict

已拟合参数的字典，paramname : paramvalue 键值对包括

• 始终：此对象的所有已拟合参数，通过 get_param_names 获取，值为该键对应的此对象的拟合参数值

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

• 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()

获取对象的参数默认值。

返回：

default_dict: dict[str, Any]

键是 cls 中所有在 __init__ 中定义了默认值的参数。值是 __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：

sort布尔类型，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：

deep布尔类型，默认=True

是否返回组件的参数。

• 如果 True，将返回此对象的参数名称：值 dict，包括组件的参数（= BaseObject 值参数）。

• 如果 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带有字符串值键的 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，值为该键对应的此对象的参数值，值始终与构造时传入的值相同

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

• 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)

从实例获取标签值，具有标签级别继承和覆盖。

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 的单个标签值，考虑标签覆盖，按以下优先级降序排列

1. 实例上通过 set_tags 或 clone_tags 设置的标签，

实例构造时。

2. 类 _tags 属性中设置的标签。

3. 父类 _tags 属性中设置的标签，

按继承顺序。

参数：

tag_name字符串类型

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/备用值

raise_error布尔类型

标签未找到时是否抛出 ValueError 异常

返回：

tag_valueAny

self 中 tag_name 标签的值。如果未找到，则在 raise_error 为 True 时抛出异常，否则返回 tag_value_default。

抛出：

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()

从实例获取标签，具有标签级别继承和覆盖。

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，其键是类或其任何父类中设置的 _tags 任何属性的键，或通过 set_tags 或 clone_tags 设置的标签。

值是相应的标签值，覆盖优先级降序排列如下：

1. 实例上通过 set_tags 或 clone_tags 设置的标签，

实例构造时。

2. 类 _tags 属性中设置的标签。

3. 父类 _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 对象属性中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

fit 是否已被调用。

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：

布尔类型

估计器是否已 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：

cls.save(path) 在 path 生成的解序列化自身结果

classmethod load_from_serial(serial)

从序列化内存容器加载对象。

参数：

serialcls.save(None) 输出的第一个元素

返回：

cls.save(None) 生成 serial 输出的解序列化自身结果

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: pd.DataFrame，其中 columns = 变量，index = pd.MultiIndex，第一级 = 实例索引，第二级 = 时间索引

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

• 或任何其他支持的 Panel mtype

mtypes 列表请参见 datatypes.SCITYPE_REGISTER

具体规范请参见 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，详情请参见标签参考。

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]。

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。

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

reset()

将对象重置为干净的初始化后状态。

导致 self 设置为构造函数调用后立即拥有的状态，具有相同的超参数。通过 set_config 设置的配置值也会保留。

一个 reset 调用会删除任何对象属性，除了

• 超参数 = 写入 self 的 __init__ 的参数，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”的属性会被保留。

• 配置属性，配置保留不变。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 修改 self 而不是返回一个新对象。

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))``后获得的对象相同。

返回：

self

类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')

将序列化的自身保存到类似字节的对象或 (.zip) 文件。

行为：如果 path 为 None，则返回一个内存中的序列化自身；如果 path 是文件位置，则将自身以 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 - 包含自身的类，即 type(self) _obj - 序列化的自身。此类使用默认的序列化方式（pickle）。

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；如果是文件位置，则将自身保存到该文件位置。如果

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

• path=”/home/stored/estimator”，则会在

存储在 /home/stored/ 中。

serialization_format: 字符串类型，默认 = “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 - 内存中的序列化自身

如果 path 是文件位置 - 引用该文件的 ZipFile

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

根据 X 上的真实标签评估预测标签。

参数：

Xsktime 兼容的时间序列面板数据容器，Panel scitype，例如，

pd-multiindex: pd.DataFrame，其中 columns = 变量，index = pd.MultiIndex，第一级 = 实例索引，第二级 = 时间索引 numpy3D: 形状为 [n_instances, n_dimensions, series_length] 的 3D np.array（任意维度数量，等长序列） 或任何其他支持的 Panel mtype mtypes 列表请参见 datatypes.SCITYPE_REGISTER 具体规范请参见 examples/AA_datatypes_and_datasets.ipynb

y2D np.array 的 int 类型，形状为 [n_instances, n_dimensions] - 回归标签

用于拟合，索引对应于 X 中的实例索引 或 1D np.array 的 int 类型，形状为 [n_instances] - 用于拟合的回归标签，索引对应于 X 中的实例索引

multioutput字符串类型，可选 (默认=”uniform_average”)

{“raw_values”, “uniform_average”, “variance_weighted”}，形状为 (n_outputs,) 的类数组或 None，默认=”uniform_average”。定义多个输出分数的聚合方式。类数组值定义用于平均分数的权重。

返回：

float 类型（默认）或 1D np.array 的 float 类型

predict(X) 与 y 的 R 方分数 如果 multioutput=”uniform_average” 或 “variance_weighted，或 y 是单变量，则为 float 类型；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、值及其含义列于下方

display字符串类型，“diagram”（默认），或“text”

jupyter 内核如何显示自身实例

• “diagram” = html 盒子图表示

• “text” = 字符串输出

print_changed_only布尔类型，默认=True

打印自身时是只列出与默认值不同的参数（False），还是列出所有参数名称和值（False）。不进行嵌套，即只影响自身，不影响组件估计器。

warnings字符串类型，“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” = 将不发出来自 sktime 的警告

backend:parallel字符串类型，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 类型，可选，默认={}（未传递参数）

作为配置传递给并行化后端的额外参数。有效键取决于 backend:parallel 的值

• “None”：没有额外参数，忽略 backend_params

• “loky”、“multiprocessing”和“threading”：默认 joblib 后端 任何 joblib.Parallel 的有效键都可以在此处传递，例如 n_jobs，但 backend 除外，它直接由 backend 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。任何 joblib.Parallel 的有效键都可以在此处传递，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，则默认为 -1，其他参数将默认为 joblib 的默认值。

• “dask”：可以传递任何 dask.compute 的有效键，例如 scheduler

• “ray”：可以传递以下键

  • “ray_remote_args”：ray.init 的有效键字典

  • “shutdown_ray”：布尔类型，默认=True；False 阻止 ray

    在并行化后关闭。

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

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

返回：

self对自身的引用。

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。

该方法适用于简单的 skbase 对象和复合对象。对于复合对象，即包含其他对象的对象，可以使用参数键字符串 <component>__<parameter> 来访问组件 <component> 中的 <parameter>。如果引用明确无歧义（例如，没有两个组件参数具有相同的名称 <parameter>），也可以使用不带 <component>__ 的字符串 <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：

self对自身的引用（设置参数后）

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 进行链式哈希采样，并保证种子随机生成器之间的伪随机独立性。

根据 self_policy 应用于 self 中的 random_state 参数，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 类型，RandomState 实例或 None，默认=None

控制随机整数生成的伪随机数生成器。传递 int 值可在多次函数调用中获得可复现的输出。

deep布尔类型，默认=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，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字符串类型，以下之一 {“copy”, “keep”, “new”}，默认=”copy”

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

• “keep” : self.random_state 保持不变

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

从输入的 random_state 派生，通常与它不同

返回：

self对自身的引用

set_tags(**tag_dict)

将实例级别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，字典值是要将标签设置到的值。

set_tags 方法应仅在对象的 __init__ 方法中、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：

自身

对自身的引用。