SplitterBootstrapTransformer

class SplitterBootstrapTransformer(splitter=None, fold='train', shuffle=False, subsample=None, replace=True, random_state=None)

基于拆分器的 Bootstrapping 方法，用于生成合成时间序列。

一种基于 sktime 拆分器的通用 Bootstrapping 形式。

任何 sktime 拆分器都可以作为组件传递给此变换器，该变换器将为 transform 输入中的每个时间序列生成一个包含训练和/或测试子序列的时间序列面板。

transform 的输出将包含额外的层级

• transform 输入的所有层级

• 一个额外的整数索引顶层，指示样本编号 注意：这通常是样本的编号，仅在确定性、穷举性情况下才对应于折叠的编号

• 如果 split="train" 或 split="test"，则没有更多层级

• 如果 split="both"，第二个顶层包含字符串 "train" 和

"test"

以指示拆分中的训练或测试折叠

例如，如果 split="train"，并且存在单个原始序列 X，则 transform 的输出将具有一个顶层（级别 0），其整数索引范围从 0 到 splitter.get_n_splits(X)-1。

拆分器可以是穷举性、确定性的，也可以是随机的。默认情况下，返回穷举性的有序样本（确定性）。随机性由以下参数控制

• shuffle（默认关闭）对实例应用随机均匀洗牌

• subsample（默认关闭）应用有放回或无放回的子抽样

• replace（默认为 False）选择有放回或无放回的子抽样

放回

注意：仅当 shuffle=False 且 subsample=None 时（除非巧合），transform 输出的实例索引才对应于拆分索引

参数:

splitter可选，sktime 拆分器，BaseSplitter 的后代

默认值 = SlidingWindowSplitter(window_length=3, step_length=1) 用于 bootstrap 拆分的拆分器。

fold字符串，可选值为“train”（默认）、“test”和“both”

确定面板中作为新实例返回哪个折叠。“train” - 训练折叠；“test” - 测试折叠；“both” - 训练和测试折叠都包含，并且存在一个额外的字符串层级，可能的值为 "train" 和 "test"

shuffle布尔值，默认=False

返回前是否对折叠顺序进行随机均匀洗牌；如果不是，则按拆分器定义的顺序返回折叠

subsample可选，整数或浮点数，默认值 = None

如果提供，则对返回的折叠进行随机均匀子抽样 int = 返回该大小的子样本（如果小于，则返回完整样本） float，必须在 0 和 1 之间 = 返回该比例的子样本 注意：整数 1 选择一个序列；浮点数 1 选择 splitter 中的多个序列

replace布尔值，默认=True；仅当 subsample=True 时使用

如果提供了 subsample，抽样是有放回还是无放回 True = 有放回，False = 无放回

random_state整数，np.random.RandomState 或 None（默认）

评估器的随机种子 如果 None，则使用 numpy 环境的随机种子 如果是 int，则作为种子传递给 numpy RandomState 如果是 RandomState，则用作随机生成器

属性:

is_fitted

是否已调用 fit 方法。

另请参阅

sktime.transformations.bootstrap.MovingBlockBootstrapTransformer

逻辑与滑动窗口拆分器相似，使用 bootstrap 随机窗口。

示例

>>> from sktime.transformations.bootstrap import SplitterBootstrapTransformer
>>> from sktime.datasets import load_airline
>>> y = load_airline()
>>> transformer = SplitterBootstrapTransformer(fold="both")
>>> y_hat = transformer.fit_transform(y)

方法

check_is_fitted([method_name])	检查评估器是否已拟合。
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])	创建所有测试实例及其名称列表。
fit(X[, y])	用 X 拟合变换器，y 可选。
fit_transform(X[, y])	拟合数据，然后变换它。
get_class_tag(tag_name[, tag_value_default])	从类中获取类标签值，包含来自父类的标签级别继承。
get_class_tags()	从类中获取类标签，包含来自父类的标签级别继承。
get_config()	获取自身的配置标志。
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, ...])	从实例获取标签值，包含标签级别继承和覆盖。
get_tags()	从实例获取标签，包含标签级别继承和覆盖。
get_test_params([parameter_set])	返回评估器的测试参数设置。
inverse_transform(X[, y])	逆向变换 X 并返回逆向变换后的版本。
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()	将对象重置到干净的初始化后状态。
save([path, serialization_format])	将序列化的自身保存到字节类对象或到 (.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。
transform(X[, y])	变换 X 并返回变换后的版本。
update(X[, y, update_params])	使用 X 更新变换器，y 可选。

classmethod get_test_params(parameter_set='default')

返回评估器的测试参数设置。

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。如果未为某个值定义特殊参数，则将返回 "default" 集。

返回:

params字典或字典列表，默认值 = {}

用于创建类测试实例的参数 每个字典都是构造“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（或唯一一个）字典

check_is_fitted(method_name=None)

检查评估器是否已拟合。

检查 _is_fitted 属性是否存在且为 True。在调用对象的 fit 方法时，应将 is_fitted 属性设置为 True。

如果未拟合，则引发 NotFittedError。

参数:

method_name字符串，可选

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

如果评估器尚未拟合。

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的不同对象，处于初始化后状态。此函数等同于返回 sklearn.clone 的 self。

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))。

如果对 self 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 那样改变 self。

引发:

如果由于错误的 __init__ 导致克隆不符合要求，则引发 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 方法应仅在对象构造期间或通过 __init__ 直接构造后，在对象的 __init__ 方法中调用。

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

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

当前标签值可通过 get_tags 或 get_tag 查看。

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')

使用第一个测试参数集构造类的实例。

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使用默认参数的类实例

classmethod create_test_instances_and_names(parameter_set='default')

创建所有测试实例及其名称列表。

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 个实例为 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 obj 的第 i 个实例的名称。命名约定是如果实例多于一个，则为 {cls.__name__}-{i}，否则为 {cls.__name__}

fit(X, y=None)

用 X 拟合变换器，y 可选。

状态变更

将状态更改为“已拟合”。

写入自身

• 设置以“_”结尾的已拟合模型属性，已拟合属性可通过 get_fitted_params 查看。

• 将 self.is_fitted 标志设置为 True。

• 如果 self.get_tag("remember_data") 为 True，则记住 X 为 self._X，并强制转换为 self.get_tag("X_inner_mtype")。

参数:

Xsktime 兼容数据容器格式的时间序列

用于拟合变换的数据。

sktime 中的单个数据格式称为 mtype 规范，每个 mtype 实现一个抽象的 scitype。

• Series scitype = 单个时间序列。pd.DataFrame, pd.Series 或 np.ndarray (1D 或 2D)

• Panel scitype = 时间序列集合。pd.DataFrame 带 2 级行 MultiIndex (instance, time)，3D np.ndarray (instance, variable, time)，list 类型的 Series pd.DataFrame

• Hierarchical scitype = 分层时间序列集合。pd.DataFrame 带 3 级或更多级行 MultiIndex (hierarchy_1, ..., hierarchy_n, time)

有关数据格式的更多详细信息，请参阅 mtype 术语表。有关用法，请参阅变换器教程 examples/03_transformers.ipynb

y可选，sktime 兼容数据格式的数据，默认=None

附加数据，例如用于变换的标签 如果 self.get_tag("requires_y") 为 True，则必须在 fit 中传递，不是可选的。所需格式的详细信息请参见类 docstring。

返回:

self评估器的已拟合实例

fit_transform(X, y=None)

拟合数据，然后变换它。

用 X 和 y 拟合变换器并返回 X 的变换版本。

状态变更

将状态更改为“已拟合”。

写入自身： _is_fitted：标志设置为 True。_X：X，X 的强制副本，如果 remember_data 标签为 True

如果可能，可能被强制转换为内部类型或 update_data 兼容类型（按引用）

模型属性（以“_”结尾）：取决于评估器

参数:

Xsktime 兼容数据容器格式的时间序列

用于拟合变换的数据，以及要变换的数据。

sktime 中的单个数据格式称为 mtype 规范，每个 mtype 实现一个抽象的 scitype。

• Series scitype = 单个时间序列。pd.DataFrame, pd.Series 或 np.ndarray (1D 或 2D)

• Panel scitype = 时间序列集合。pd.DataFrame 带 2 级行 MultiIndex (instance, time)，3D np.ndarray (instance, variable, time)，list 类型的 Series pd.DataFrame

• Hierarchical scitype = 分层时间序列集合。pd.DataFrame 带 3 级或更多级行 MultiIndex (hierarchy_1, ..., hierarchy_n, time)

有关数据格式的更多详细信息，请参阅 mtype 术语表。有关用法，请参阅变换器教程 examples/03_transformers.ipynb

y可选，sktime 兼容数据格式的数据，默认=None

附加数据，例如用于变换的标签 如果 self.get_tag("requires_y") 为 True，则必须在 fit 中传递，不是可选的。所需格式的详细信息请参见类 docstring。

返回:

X 的变换版本

类型取决于 X 的类型和 scitype:transform-output 标签

X | tf-output | 返回类型 |

|----------|------------|------------------------| | Series | Primitives | pd.DataFrame (1-row) | | Panel | Primitives | pd.DataFrame | | Series | Series | Series | | Panel | Series | Panel | | Series | Panel | Panel |

返回中的实例对应于 X 中的实例

表中未列出的组合目前不受支持

具体说明，并附示例

• 如果 X 是 Series（例如，pd.DataFrame）

并且 transform-output 是 Series，则返回与原 mtype 相同的单个 Series。示例：对单个序列进行去趋势

• 如果 X 是 Panel（例如，pd-multiindex）并且 transform-output

是 Series，则返回与 X 具有相同数量实例的 Panel（变换器应用于每个输入的 Series 实例）。示例：面板中的所有序列都单独进行去趋势

• 如果 X 是 Series 或 Panel 并且 transform-output 是

Primitives，则返回一个行数与 X 中实例数相同的 pd.DataFrame 示例：返回的第 i 行包含第 i 个序列的均值和方差

• 如果 X 是 Series 并且 transform-output 是 Panel，

则返回类型为 pd-multiindex 的 Panel 对象。示例：输出的第 i 个实例是运行在 X 上的第 i 个窗口

classmethod get_class_tag(tag_name, tag_value_default=None)

从类中获取类标签值，包含来自父类的标签级别继承。

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的值。

它从对象中返回名称为 tag_name 的标签值，并考虑标签覆盖，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 在实例上设置的标签。

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_name字符串

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，包含来自父类的标签级别继承。

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的值。

它返回一个字典，其键是类或其任何父类中设置的 _tags 的任何属性的键。

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 在实例上设置的标签。

要包含来自动态标签的覆盖，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()

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_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)

获取已拟合的参数。

所需状态

需要状态为“已拟合”。

参数:

deep布尔值，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（= BaseEstimator 类型参数）的已拟合参数。

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

返回:

fitted_params键为字符串值的字典

已拟合参数字典， paramname : paramvalue 键值对包含

• 始终包含：此对象的所有已拟合参数，如通过 get_param_names 获取的值，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 组件参数以 [componentname]__[paramname] 索引 componentname 的所有参数显示为 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 中在 __init__ 中定义了默认值的所有参数。值是默认值，如在 __init__ 中定义。

classmethod get_param_names(sort=True)

获取对象的参数名称。

参数:

sort布尔值，默认=True

是否按字母顺序（True）或按其在类的 __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，则按其在类的 __init__ 中出现的相同顺序。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:

deep布尔值，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，包括组件的参数（= BaseObject 类型参数）。

• 如果为 False，将返回此对象的参数名称 : 值 dict，但不包含组件的参数。

返回:

params键为字符串值的字典

参数字典， paramname : paramvalue 键值对包含

• 始终包含：此对象的所有参数，如通过 get_param_names 获取的值，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 组件参数以 [componentname]__[paramname] 索引 componentname 的所有参数显示为 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，包含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 的单个标签的值，并考虑标签覆盖，优先级降序如下

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

在实例构造时设置。

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_name字符串

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_error布尔值

未找到标签时是否引发 ValueError

返回:

tag_value任意类型

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，则引发 ValueError。

get_tags()

从实例获取标签，包含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 的任何属性的键，或通过 set_tags 或 clone_tags 设置的标签。

值是相应的标签值，覆盖优先级降序如下

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

在实例构造时设置。

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_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。

inverse_transform(X, y=None)

逆向变换 X 并返回逆向变换后的版本。

目前假定只有带有以下标签的变换器

"scitype:transform-input"="Series", "scitype:transform-output"="Series",

具有 inverse_transform 方法。

所需状态

需要状态为“已拟合”。

访问自身中的属性

• 以“_”结尾的已拟合模型属性。

• self.is_fitted，必须为 True

参数:

Xsktime 兼容数据容器格式的时间序列

用于拟合变换的数据。

sktime 中的单个数据格式称为 mtype 规范，每个 mtype 实现一个抽象的 scitype。

• Series scitype = 单个时间序列。pd.DataFrame, pd.Series 或 np.ndarray (1D 或 2D)

• Panel scitype = 时间序列集合。pd.DataFrame 带 2 级行 MultiIndex (instance, time)，3D np.ndarray (instance, variable, time)，list 类型的 Series pd.DataFrame

• Hierarchical scitype = 分层时间序列集合。pd.DataFrame 带 3 级或更多级行 MultiIndex (hierarchy_1, ..., hierarchy_n, time)

有关数据格式的更多详细信息，请参阅 mtype 术语表。有关用法，请参阅变换器教程 examples/03_transformers.ipynb

y可选，sktime 兼容数据格式的数据，默认=None

附加数据，例如用于变换的标签。某些变换器需要此数据，详细信息请参见类 docstring。

返回:

X 的逆向变换版本

与 X 类型相同，并符合 mtype 格式规范

is_composite()

检查对象是否由其他 BaseObjects 组成。

组合对象是包含其他对象作为参数的对象。在实例上调用，因为这可能因实例而异。

返回:

composite: bool

对象的任何参数的值是否为 BaseObject 的后代实例。

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:

布尔值

评估器是否已经过 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:

反序列化后的自身，产生 cls.save(path) 在 path 处的输出

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:

反序列化后的自身，产生 cls.save(None) 的输出 serial

reset()

将对象重置到干净的初始化后状态。

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

一个 reset 调用会删除除以下属性外的所有对象属性

• 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”的属性会保留。

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

类方法、对象方法和类属性也不受影响。

等同于 clone，不同之处在于 reset 改变 self 而不是返回新对象。

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:

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字节类对象或到 (.zip) 文件。

行为：如果 path 为 None，则返回内存中的序列化自身；如果 path 为文件位置，则将自身以 zip 文件形式存储在该位置

保存的文件是包含以下内容的 zip 文件： _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（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 /home/stored/ 中存储一个 zip 文件 estimator.zip。

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 - ZipFile，包含对文件的引用

set_config(**config_dict)

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。下面列出了有效的配置、值及其含义

display字符串，“diagram”（默认）或“text”

jupyter kernel 如何显示自身的实例

• “diagram” = html 框图表示

• “text” = 字符串打印输出

print_changed_only布尔值，默认=True

打印自身时是否只列出与默认值不同的自身参数（False），或列出所有参数名称和值（False）。不进行嵌套，即仅影响自身，不影响组件评估器。

warnings字符串，“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，默认为“None”

在广播/向量化时用于并行化的后端，可选值包括

• “None”: 顺序执行循环，使用简单的列表推导式

• “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，可选，默认为{}（未传递参数）

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

• “None”: 无额外参数，backend_params 被忽略

• “loky”, “multiprocessing” 和 “threading”: 默认的 joblib 后端，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，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。可以传递 joblib.Parallel 的任何有效键，例如 n_jobs，在此情况下，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 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 类型，默认为 True；False 防止 ray 在并行化后

    关闭。

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

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

input_conversionstr，可选值包括“on”（默认）、“off”或有效的 mtype 字符串

控制输入检查和转换，用于 _fit、_transform、_inverse_transform、_update 方法

• "on" - 执行输入检查和转换

• "off" - 在将数据传递给内部方法之前，不执行输入检查和转换

• 有效的 mtype 字符串 - 输入假定为指定的 mtype，执行转换但不执行检查

output_conversionstr，可选值包括“on”、“off”或有效的 mtype 字符串

控制 _transform、_inverse_transform 方法的输出转换

• "on" - 如果 input_conversion 为“on”，则执行输出转换

• "off" - _transform、_inverse_transform 的输出直接返回

• 有效的 mtype 字符串 - 输出被转换为指定的 mtype

返回:

self对自身的引用。

说明

改变对象状态，将 config_dict 中的配置复制到 self._config_dynamic 中。

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。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（例如，没有两个组件参数同名 <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）

设置随机状态(随机状态=None, 深度=True, 自身策略='复制')

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 将它们设置为从 random_state 导出的整数。这些整数通过 sample_dependent_seed 通过链式哈希采样，并保证种子随机生成器的伪随机独立性。

根据 self_policy，应用于 self 中的 random_state 参数；当且仅当 deep=True 时，应用于剩余组件对象。

注意：即使 self 没有 random_state 参数，或者所有组件都没有 random_state 参数，此方法也会调用 set_params。因此，set_random_state 会重置任何 scikit-base 对象，即使那些没有 random_state 参数的对象也会被重置。

参数:

random_stateint、RandomState 实例或 None，默认为 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。

deep布尔值，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_policystr，可选值包括{“copy”, “keep”, “new”}，默认为“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，

源自输入的 random_state，通常与输入不同

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，它们是对象构建后不改变的静态标志。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，字典值是要将标签设置成的值。

此 set_tags 方法应仅在对象的 __init__ 方法中调用（在构造期间），或通过 __init__ 构造后立即调用。

当前标签值可通过 get_tags 或 get_tag 查看。

参数:

**tag_dictdict

标签名: 标签值 对的字典。

返回:

自身

对自身的引用。

transform(X, y=None)

变换 X 并返回变换后的版本。

所需状态

需要状态为“已拟合”。

访问自身中的属性

• 以“_”结尾的已拟合模型属性。

• self.is_fitted，必须为 True

参数:

Xsktime 兼容数据容器格式的时间序列

要转换的数据。

sktime 中的单个数据格式称为 mtype 规范，每个 mtype 实现一个抽象的 scitype。

• Series scitype = 单个时间序列。pd.DataFrame, pd.Series 或 np.ndarray (1D 或 2D)

• Panel scitype = 时间序列集合。pd.DataFrame 带 2 级行 MultiIndex (instance, time)，3D np.ndarray (instance, variable, time)，list 类型的 Series pd.DataFrame

• Hierarchical scitype = 分层时间序列集合。pd.DataFrame 带 3 级或更多级行 MultiIndex (hierarchy_1, ..., hierarchy_n, time)

有关数据格式的更多详细信息，请参阅 mtype 术语表。有关用法，请参阅变换器教程 examples/03_transformers.ipynb

y可选，sktime 兼容数据格式的数据，默认=None

附加数据，例如用于变换的标签。某些变换器需要此数据，详细信息请参见类 docstring。

返回:

X 的变换版本

类型取决于 X 的类型和 scitype:transform-output 标签

	转换
X	-输出	返回类型
Series	原语	pd.DataFrame (1 行)
Panel	原语	pd.DataFrame
Series	Series	Series
Panel	Series	Panel
Series	Panel	Panel

返回中的实例对应于 X 中的实例

表中未列出的组合目前不受支持

具体说明，并附示例

• 如果 X 是 Series（例如，pd.DataFrame）

并且 transform-output 是 Series，则返回与原 mtype 相同的单个 Series。示例：对单个序列进行去趋势

• 如果 X 是 Panel（例如，pd-multiindex）并且 transform-output

是 Series，则返回与 X 具有相同数量实例的 Panel（变换器应用于每个输入的 Series 实例）。示例：面板中的所有序列都单独进行去趋势

• 如果 X 是 Series 或 Panel 并且 transform-output 是

Primitives，则返回一个行数与 X 中实例数相同的 pd.DataFrame 示例：返回的第 i 行包含第 i 个序列的均值和方差

• 如果 X 是 Series 并且 transform-output 是 Panel，

则返回类型为 pd-multiindex 的 Panel 对象。示例：输出的第 i 个实例是运行在 X 上的第 i 个窗口

update(X, y=None, update_params=True)

使用 X 更新变换器，y 可选。

所需状态

需要状态为“已拟合”。

访问自身中的属性

• 以“_”结尾的已拟合模型属性。

• self.is_fitted，必须为 True

写入自身

• 以“_”结尾的已拟合模型属性。

• 如果 remember_data 标签为 True，则通过 update_data 将数据写入 self._X，并用 X 中的值进行更新。

参数:

Xsktime 兼容数据容器格式的时间序列

用于更新转换的数据

sktime 中的单个数据格式称为 mtype 规范，每个 mtype 实现一个抽象的 scitype。

• Series scitype = 单个时间序列。pd.DataFrame, pd.Series 或 np.ndarray (1D 或 2D)

• Panel scitype = 时间序列集合。pd.DataFrame 带 2 级行 MultiIndex (instance, time)，3D np.ndarray (instance, variable, time)，list 类型的 Series pd.DataFrame

• Hierarchical scitype = 分层时间序列集合。pd.DataFrame 带 3 级或更多级行 MultiIndex (hierarchy_1, ..., hierarchy_n, time)

有关数据格式的更多详细信息，请参阅 mtype 术语表。有关用法，请参阅变换器教程 examples/03_transformers.ipynb

y可选，sktime 兼容数据格式的数据，默认=None

附加数据，例如用于变换的标签。某些变换器需要此数据，详细信息请参见类 docstring。

返回:

self评估器的已拟合实例