合并器#

class Merger(method='median', stride=0)[source]#

聚合包含一个时间序列重叠窗口的 Panel 数据。

输入数据包含多个重叠的时间序列元素，可以排列如下：xxxx….. .xxxx…. ..xxxx… …xxxx.. ….xxxx. …..xxxx ……xxxx …….xxxx ……..xxxx ………xxxx。合并器通过对齐如上所示的时间序列窗口，并对重叠数据点应用聚合函数来聚合数据。聚合函数可以是“mean”或“median”之一。即，计算每列的mean或median，从而得到一个单变量时间序列。

参数:
method{median, mean}，默认值=”median”

用于聚合的方法。可以是“mean”或“median”之一。

strideint，默认值=0

用于聚合的步幅。步幅决定了连续实例之间的偏移量。步幅为 0 表示没有偏移。步幅为 1 表示时间序列按上述方式聚合。

属性:
is_fitted

是否已调用 fit。

示例

>>> from sktime.transformations.merger import Merger
>>> from sktime.utils._testing.panel import _make_panel
>>> y = _make_panel(n_instances=10, n_columns=3, n_timepoints=5)
>>> result = Merger(method="median").fit_transform(y)
>>> result.shape
(5, 3)

>>> from sktime.transformations.merger import Merger
>>> from sktime.utils._testing.panel import _make_panel
>>> y = _make_panel(n_instances=10, n_columns=3, n_timepoints=5)
>>> result = Merger(method="median", stride=1).fit_transform(y)
>>> result.shape
(14, 3)

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])

将转换器拟合到 X，可选拟合到 y。

fit_transform(X[, y])

拟合数据，然后转换它。

get_class_tag(tag_name[, tag_value_default])

从类获取类标签值，并继承父类的标签级别。

get_class_tags()

从类获取类标签，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()

获取对象的默认参数。

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，并继承标签级别和覆盖。

get_tags()

从实例获取标签，并继承标签级别和覆盖。

get_test_params([parameter_set])

返回估计器的测试参数设置。

inverse_transform(X[, y])

逆转换 X 并返回逆转换后的版本。

is_composite()

检查对象是否由其他 BaseObject 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])

将序列化的自身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, ...])

设置自身的 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。

transform(X[, y])

转换 X 并返回转换后的版本。

update(X[, y, update_params])

使用 X 更新转换器，可选使用 y。
classmethod get_test_params(parameter_set='default')[source]#

返回估计器的测试参数设置。

参数:
parameter_setstr，默认值=”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，将返回"default"集。目前预测器没有保留值。

返回:
paramsdict 或 dict 列表，默认值 = {}

用于创建类的测试实例的参数。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)[source]#

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。

参数:
method_namestr，可选

调用此方法的名称。如果提供，错误消息将包含此信息。

抛出:
未拟合错误

如果估计器尚未拟合。

clone()[source]#

获取具有相同超参数和配置的对象克隆。

克隆是另一个没有共享引用的对象，处于初始化后状态。此函数等效于返回 sklearn.clone 的 self。

等效于构造一个具有 self 参数的新 type(self) 实例，即 type(self)(**self.get_params(deep=False))。

如果配置设置在 self 上，则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，但不同之处在于 clone 返回一个新对象，而不是像 reset 那样改变 self。

抛出:
如果克隆不符合要求，由于错误的 __init__，则抛出 RuntimeError。
clone_tags(estimator, tag_names=None)[source]#

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。标签可用于存储关于对象的元数据，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，在构造期间或通过 __init__ 构造后直接调用。

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 或派生类的实例
tag_namesstr 或 str 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:
自身

对 self 的引用。

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

使用第一个测试参数集构造类的实例。

参数:
parameter_setstr，默认值=”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，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')[source]#

创建所有测试实例及其名称列表。

参数:
parameter_setstr，默认值=”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，将返回 “default” 集。

返回:
objscls的实例列表

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 objs 的第 i 个实例的名称。命名约定为：如果实例多于一个，则为 {cls.__name__}-{i}，否则为 {cls.__name__}

fit(X, y=None)[source]#

将转换器拟合到 X，可选拟合到 y。

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，已拟合属性可通过以下方法查看：get_fitted_params。

  • 将 self.is_fitted 标志设置为 True。

  • 如果 self.get_tag("remember_data") 为 True，则将 X 记忆为 self._X，强制转换为 self.get_tag("X_inner_mtype")。

参数:
X采用 sktime 兼容数据容器格式的时间序列

用于拟合变换的数据。

sktime 中的各种数据格式是所谓的 mtype 规范，每种 mtype 都实现了抽象的 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。带有 2 级行 MultiIndex (instance, time) 的 pd.DataFrame、3D np.ndarray (instance, variable, time)，以及 Series 类型的 pd.DataFrame 列表

  • Hierarchical scitype = 分层时间序列集合。带有 3 级或更高级行 MultiIndex (hierarchy_1, ..., hierarchy_n, time) 的 pd.DataFrame

有关数据格式的更多详细信息，请参阅关于 mtype 的词汇表。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，默认值为 None

额外数据，例如用于变换的标签。如果 self.get_tag("requires_y") 为 True，则必须在 fit 中传入，不可选。有关所需格式，请参阅类文档字符串了解详细信息。

返回:
self估算器的已拟合实例
fit_transform(X, y=None)[source]#

拟合数据，然后转换它。

将变换器拟合到 X 和 y，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：标志设为 True。_X：X 的强制转换副本，如果 remember_data 标签为 True

如果可能，可能会通过引用强制转换为内部类型或 update_data 兼容类型

模型属性（以“_”结尾）：取决于估算器

参数:
X采用 sktime 兼容数据容器格式的时间序列

用于拟合变换和用于变换的数据。

sktime 中的各种数据格式是所谓的 mtype 规范，每种 mtype 都实现了抽象的 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。带有 2 级行 MultiIndex (instance, time) 的 pd.DataFrame、3D np.ndarray (instance, variable, time)，以及 Series 类型的 pd.DataFrame 列表

  • Hierarchical scitype = 分层时间序列集合。带有 3 级或更高级行 MultiIndex (hierarchy_1, ..., hierarchy_n, time) 的 pd.DataFrame

有关数据格式的更多详细信息，请参阅关于 mtype 的词汇表。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，默认值为 None

额外数据，例如用于变换的标签。如果 self.get_tag("requires_y") 为 True，则必须在 fit 中传入，不可选。有关所需格式，请参阅类文档字符串了解详细信息。

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行) | | 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支持
明确说明，并附示例

  • 如果 X 为 Series（例如，pd.DataFrame）

并且 transform-output 为 Series，则返回单个相同 mtype 的 Series。示例：对单个序列进行去趋势处理

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

为 Series，则返回 Panel，其实例数量与 X 相同（变换器应用于每个输入 Series 实例）。示例：面板中的所有序列均单独进行去趋势处理

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

Primitives，则返回 pd.DataFrame，其行数与 X 中的实例数相同。示例：返回结果的第 i 行包含第 i 个序列的均值和方差

  • 如果 X 为 Series 且 transform-output 为 Panel，则

返回一个 pd-multiindex 类型的 Panel 对象。示例：输出的第 i 个实例是在 X 上运行的第 i 个窗口

classmethod get_class_tag(tag_name, tag_value_default=None)[source]#

从类获取类标签值，并继承父类的标签级别。

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

方法 get_class_tag 是一个类方法，仅考虑类级别的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，优先级从高到低如下所示：

  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，

按继承顺序排列。

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

要检索可能具有实例覆盖的标签值，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()[source]#

从类获取类标签，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。标签可用于存储关于对象的元数据，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。

方法 get_class_tags 是一个类方法，仅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，覆盖优先级从高到低如下所示：

  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，

按继承顺序排列。

实例可以根据超参数覆盖这些标签。

要检索可能具有实例覆盖的标签，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。

要包含动态标签的覆盖，请使用 get_tags。

collected_tags字典

标签名：标签值对的字典。通过嵌套继承从 _tags 类属性中收集。不会被通过 set_tags 或 clone_tags 设置的动态标签覆盖。

get_config()[source]#

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 _config 类属性中设置，并被通过 set_config 设置的动态配置覆盖。

配置在 clone 或 reset 调用后保留。

返回:
config_dict字典

配置名：配置值对的字典。通过嵌套继承从 _config 类属性中收集，然后是来自 _onfig_dynamic 对象属性的任何覆盖和新标签。

get_fitted_params(deep=True)[source]#

获取已拟合参数。

所需状态

要求状态为“已拟合”。

参数:
deep布尔值，默认为 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（= BaseEstimator 值参数）的已拟合参数。

  • 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 类型的字典

已拟合参数的字典，paramname : paramvalue 键值对包含

  • 始终：此对象的所有已拟合参数，通过 get_param_names 获取的值是该键对应的已拟合参数值，属于此对象

  • 如果 deep=True，也包含组件参数的键值对；组件的参数以 [componentname]__[paramname] 形式索引；componentname 的所有参数都以 paramname 形式出现并带有其值

  • 如果 deep=True，也包含任意级别的组件递归，例如 [componentname]__[componentcomponentname]__[paramname] 等等

classmethod get_param_defaults()[source]#

获取对象的默认参数。

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，与 __init__ 中定义的一致。

classmethod get_param_names(sort=True)[source]#

获取对象的参数名称。

参数:
sort布尔值，默认为 True

是按字母顺序返回参数名称 (True)，还是按其在类 __init__ 中出现的顺序返回 (False)。

返回:
param_names: list[str]

cls 的参数名称列表。如果 sort=False，则按其在类 __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)[source]#

获取此对象的参数值字典。

参数:
deep布尔值，默认为 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（= BaseObject 值参数）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 类型的字典

参数字典，paramname : paramvalue 键值对包含

  • 始终：此对象的所有参数，通过 get_param_names 获取的值是该键对应的参数值，属于此对象；值始终与构造时传入的值相同

  • 如果 deep=True，也包含组件参数的键值对；组件的参数以 [componentname]__[paramname] 形式索引；componentname 的所有参数都以 paramname 形式出现并带有其值

  • 如果 deep=True，也包含任意级别的组件递归，例如 [componentname]__[componentcomponentname]__[paramname] 等等

get_tag(tag_name, tag_value_default=None, raise_error=True)[source]#

从实例获取标签值，并继承标签级别和覆盖。

每个与 scikit-base 兼容的对象都有一个标签字典。标签可用于存储关于对象的元数据，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，优先级从高到低如下所示：

  1. 在实例构建时，通过 set_tags 或 clone_tags 在实例上设置的标签。

在实例构建时。

  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，

按继承顺序排列。

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，则使用的默认/回退值

raise_errorbool

未找到标签时是否引发 ValueError 异常

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。

抛出:
ValueError，如果 raise_error 为 True。

如果 tag_name 不在 self.get_tags().keys() 中，则引发 ValueError 异常。

get_tags()[source]#

从实例获取标签，并继承标签级别和覆盖。

每个与 scikit-base 兼容的对象都有一个标签字典。标签可用于存储关于对象的元数据，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，或者通过 set_tags 或 clone_tags 设置的标签的键。

值是相应的标签值，覆盖优先级从高到低如下所示：

  1. 在实例构建时，通过 set_tags 或 clone_tags 在实例上设置的标签。

在实例构建时。

  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，

按继承顺序排列。

返回:
collected_tags字典

标签名：标签值对的字典。通过嵌套继承从 _tags 类属性中收集，然后是来自 _tags_dynamic 对象属性的任何覆盖和新标签。

inverse_transform(X, y=None)[source]#

逆转换 X 并返回逆转换后的版本。

目前假设只有具有以下标签的变换器

“scitype:transform-input”=”Series”, “scitype:transform-output”=”Series”,

具有 inverse_transform。

所需状态

要求状态为“已拟合”。

在自身中的访问

  • 以“_”结尾的已拟合模型属性。

  • self.is_fitted，必须为 True

参数:
X采用 sktime 兼容数据容器格式的时间序列

用于拟合变换的数据。

sktime 中的各种数据格式是所谓的 mtype 规范，每种 mtype 都实现了抽象的 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。带有 2 级行 MultiIndex (instance, time) 的 pd.DataFrame、3D np.ndarray (instance, variable, time)，以及 Series 类型的 pd.DataFrame 列表

  • Hierarchical scitype = 分层时间序列集合。带有 3 级或更高级行 MultiIndex (hierarchy_1, ..., hierarchy_n, time) 的 pd.DataFrame

有关数据格式的更多详细信息，请参阅关于 mtype 的词汇表。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，默认值为 None

额外数据，例如用于变换的标签。有些变换器需要此数据，详情请参阅类文档字符串。

返回:
X 的逆变换版本

与 X 类型相同，并符合 mtype 格式规范

is_composite()[source]#

检查对象是否由其他 BaseObject 组成。

复合对象是包含其他对象作为参数的对象。在实例上调用，因为这可能因实例而异。

返回:
composite: 布尔值

对象是否具有任何参数，其值为 BaseObject 的后代实例。

property is_fitted[source]#

是否已调用 fit。

检查对象的 _is_fitted` 属性，该属性应在对象构建期间初始化为 ``False，并在调用对象的 fit 方法时设置为 True。

返回:
布尔值

估算器是否已 fit。

classmethod load_from_path(serial)[source]#

从文件位置加载对象。

参数:
serialZipFile(path).open(“object) 的结果
返回:
反序列化自身，生成位于 path 的输出，即 cls.save(path) 的结果
classmethod load_from_serial(serial)[source]#

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:
反序列化自身，生成输出 serial，即 cls.save(None) 的结果
reset()[source]#

将对象重置为干净的初始化后状态。

将 self 设置为构造函数调用后立即达到的状态，并保留相同的超参数。通过 set_config 设置的配置值也得到保留。

一个 reset 调用会删除所有对象属性，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”的属性会得到保留。

  • 配置属性，配置保持不变。也就是说，reset 调用之前和之后 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 自身而不是返回一个新对象。

在 self.reset() 调用后，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:
自身

将类实例重置到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')[source]#

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，则返回内存中的序列化自身；如果 path 是文件位置，则将自身作为 zip 文件存储在该位置

保存的文件是 zip 文件，内容如下：_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方法 (pickle)。

参数:
pathNone 或文件位置 (str 或 Path)

如果为 None，自身将被保存到内存对象中；如果是文件位置，自身将被保存到该文件位置。如果

  • 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”，则将创建一个 zip 文件 estimator.zip 并

存储在 /home/stored/。

serialization_format: str, default = “pickle”

用于序列化的模块。可用选项包括“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
set_config(**config_dict)[source]#

将配置标志设置为给定值。

参数:
config_dict字典

配置名：配置值对的字典。有效的配置、值及其含义列举如下：

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_only布尔值，默认为 True

打印自身时是只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，即只影响自身而非组件估算器。

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” = 将不发出来自 sktime 的警告

backend:parallelstr，可选，默认为“None”

广播/向量化时用于并行处理的后端，选项之一：

  • “None”：按顺序执行循环，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，要求环境中安装 dask 包

  • “ray”：使用 ray，要求环境中安装 ray 包

backend:parallel:params字典，可选，默认为 {}（未传递参数）

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。可在此处传递 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 的一个键传入。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”：布尔值，默认为 True；如果为 False，则阻止 ray 在并行化后

      关闭。

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

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

input_conversionstr，“on”（默认）、“off”或有效的 mtype 字符串之一

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

  • "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 - 假定输入为指定的 mtype，执行转换但不执行检查

output_conversionstr，“on”、“off”或有效的 mtype 字符串之一

控制 _transform、_inverse_transform 的输出转换

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

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

  • 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。

注意

更改对象状态，将 config_dict 中的配置复制到 self._config_dynamic。

set_params(**params)[source]#

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。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>。如果引用是明确的（例如，没有两个组件参数同名 <parameter>），也可以使用字符串 <parameter>，不带 <component>__。

参数:
**params字典

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，前提是在 get_params 键中是唯一的。

返回:
self对自身的引用（参数设置后）
set_random_state(random_state=None, deep=True, self_policy='copy')[source]#

设置自身的 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 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。

适用于 self 中的 random_state 参数，取决于 self_policy，且仅当 deep=True 时才适用于剩余组件对象。

注意：即使 self 没有 random_state 参数，或者没有任何组件具有 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，默认为 None

用于控制随机整数生成的伪随机数生成器。传入 int 可在多次函数调用中获得可重现的输出。

deep布尔值，默认为 True

是否在 skbase 对象值参数（即组件估算器）中设置随机状态。

  • 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，默认为“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 设置为新的随机状态，

派生自输入的 random_state，通常与输入不同

返回:
self对自身的引用
set_tags(**tag_dict)[source]#

将实例级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，用于存储关于对象的元数据。

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，字典值是要设置的标签值。

set_tags 方法应仅在对象构造期间，或通过 __init__ 构造后直接在对象的 __init__ 方法中调用。

可以通过 get_tags 或 get_tag 检查当前标签值。

参数:
**tag_dict字典

标签名：标签值对字典。

返回:
自身

对自身的引用。

transform(X, y=None)[source]#

转换 X 并返回转换后的版本。

所需状态

要求状态为“已拟合”。

在自身中的访问

  • 以“_”结尾的已拟合模型属性。

  • self.is_fitted，必须为 True

参数:
X采用 sktime 兼容数据容器格式的时间序列

要进行变换的数据。

sktime 中的各种数据格式是所谓的 mtype 规范，每种 mtype 都实现了抽象的 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。带有 2 级行 MultiIndex (instance, time) 的 pd.DataFrame、3D np.ndarray (instance, variable, time)，以及 Series 类型的 pd.DataFrame 列表

  • Hierarchical scitype = 分层时间序列集合。带有 3 级或更高级行 MultiIndex (hierarchy_1, ..., hierarchy_n, time) 的 pd.DataFrame

有关数据格式的更多详细信息，请参阅关于 mtype 的词汇表。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，默认值为 None

额外数据，例如用于变换的标签。有些变换器需要此数据，详情请参阅类文档字符串。

返回:
X 的变换版本
类型取决于 X 的类型和 scitype:transform-output 标签

transform

X

-输出

返回类型

Series

Primitives

pd.DataFrame (1行)

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支持
明确说明，并附示例

  • 如果 X 为 Series（例如，pd.DataFrame）

并且 transform-output 为 Series，则返回单个相同 mtype 的 Series。示例：对单个序列进行去趋势处理

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

为 Series，则返回 Panel，其实例数量与 X 相同（变换器应用于每个输入 Series 实例）。示例：面板中的所有序列均单独进行去趋势处理

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

Primitives，则返回 pd.DataFrame，其行数与 X 中的实例数相同。示例：返回结果的第 i 行包含第 i 个序列的均值和方差

  • 如果 X 为 Series 且 transform-output 为 Panel，则

返回一个 pd-multiindex 类型的 Panel 对象。示例：输出的第 i 个实例是在 X 上运行的第 i 个窗口

update(X, y=None, update_params=True)[source]#

使用 X 更新转换器，可选使用 y。

所需状态

要求状态为“已拟合”。

在自身中的访问

  • 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 self._X 更新为 X 中的值。

参数:
X采用 sktime 兼容数据容器格式的时间序列

用于更新变换的数据

sktime 中的各种数据格式是所谓的 mtype 规范，每种 mtype 都实现了抽象的 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。带有 2 级行 MultiIndex (instance, time) 的 pd.DataFrame、3D np.ndarray (instance, variable, time)，以及 Series 类型的 pd.DataFrame 列表

  • Hierarchical scitype = 分层时间序列集合。带有 3 级或更高级行 MultiIndex (hierarchy_1, ..., hierarchy_n, time) 的 pd.DataFrame

有关数据格式的更多详细信息，请参阅关于 mtype 的词汇表。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，默认值为 None

额外数据，例如用于变换的标签。有些变换器需要此数据，详情请参阅类文档字符串。

返回:
self估算器的已拟合实例