MatrixProfile#

class MatrixProfile(m=10)[source]#

返回数据集中每个时间序列的 MatrixProfile 和索引 profile。

用法示例：# Xt = MatrixProfile(m).transform(X) X 是一个 pandas DataFrame，代表数据集。m 是一个整数，代表要使用的期望子序列长度。Xt 是转换后的 X，即一个行数与 X 相同的 pandas DataFrame，其中每一行包含对应时间序列的 MatrixProfile。

属性:

is_fitted: 是否已调用 fit。

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])	将其他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建该类的一个实例。
`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，可选地拟合到 y。
`fit_transform`(X[, y])	拟合数据，然后转换它。
`get_class_tag`(tag_name[, tag_value_default])	从类中获取类标签值，具有来自父类的标签级别继承。
`get_class_tags`()	从类中获取类标签，具有来自父类的标签级别继承。
`get_config`()	获取 self 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，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 skbase 对象的测试参数设置。
`inverse_transform`(X[, y])	对 X 进行逆转换并返回逆转换后的版本。
`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 self 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, ...])	为 self 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])	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，可选地使用 y。

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。在调用对象的 fit 方法时，应将 is_fitted 属性设置为 True。

如果不是，则抛出 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。

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的克隆。

克隆是一个不同的对象，没有共享引用，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 type(self) 的新实例，使用 self 的参数，即 type(self)(**self.get_params(deep=False))。

如果已在 self 上设置了配置，则克隆也将具有与原始相同的配置，等同于调用 cloned_self.set_config(**self.get_config())。

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

抛出:

如果克隆不符合规范（由于 __init__ 故障），则抛出 RuntimeError。

clone_tags(estimator, tag_names=None)[source]#

将其他对象的标签克隆为动态覆盖。

每个兼容 scikit-base 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，它们是静态标志，在对象构造后不会改变。

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，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，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。

当前标签值可以通过 get_tags 或 get_tag 查看。

参数:

estimator:class:BaseObject 或派生类的实例
tag_namesstr 或 list[str]，默认为 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')[source]#

使用第一个测试参数集构建该类的一个实例。

参数:

parameter_setstr，默认为“default”: 要返回的测试参数集名称，用于测试。如果某个值未定义特殊参数，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，默认为“default”: 要返回的测试参数集名称，用于测试。如果某个值未定义特殊参数，将返回 “default” 集。

返回:

classmethod create_test_instances_and_names(parameter_set='default')[source]#: 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 objs 中第 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__}

将转换器拟合到 X，可选地拟合到 y。

fit(X, y=None)[source]#: 状态变化

将状态更改为“已拟合”。

写入 self

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。

参数:

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") 指定的类型。

Xsktime 兼容数据容器格式的时间序列

用于拟合转换器的数据。

sktime 中的个体数据格式是所谓的 mtype 规范，每个 mtype 实现一个抽象的 scitype。
Series scitype = 个体时间序列。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 的 Series 类型 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，请参阅转换器教程 examples/03_transformers.ipynb

y可选，sktime 兼容数据格式的数据，默认为 None

返回:

额外数据，例如转换的标签。如果 self.get_tag("requires_y") 为 True，则必须在 fit 中传递，不是可选的。有关所需格式，请参阅类文档字符串获取详细信息。

self估计器的已拟合实例

拟合数据，然后转换它。

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

fit(X, y=None)[source]#: 状态变化

将转换器拟合到 X 和 y，并返回 X 的转换版本。

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

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

参数:

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") 指定的类型。

模型属性（以“_”结尾）：取决于估计器

用于拟合转换器的数据。

sktime 中的个体数据格式是所谓的 mtype 规范，每个 mtype 实现一个抽象的 scitype。
Series scitype = 个体时间序列。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 的 Series 类型 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，请参阅转换器教程 examples/03_transformers.ipynb

y可选，sktime 兼容数据格式的数据，默认为 None

返回:

用于拟合转换器和进行转换的数据。

X 的转换版本

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受支持

明确说明，带示例

如果 X 是 Series（例如，pd.DataFrame）

且 transform-output 是 Series，则返回是相同 mtype 的单个 Series。示例：对单个时间序列进行去趋势

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

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

如果 X 是 Series 或 Panel 且 transform-output 是

Primitives，则返回是行数与 X 中实例数量相同的 pd.DataFrame。示例：返回的第 i 行包含第 i 个时间序列的均值和方差

如果 X 是 Series 且 transform-output 是 Panel，

则返回是一个类型为 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。

从类中获取类标签值，具有来自父类的标签级别继承。

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

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

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 的标签的值，考虑标签覆盖，按以下优先级降序排列
在类的 _tags 属性中设置的标签。

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。

参数:

要检索具有潜在实例覆盖的标签值，请使用 get_tag 方法代替。: tag_namestr
标签值的名称。: tag_value_default任意类型

返回:

如果找不到标签的默认/备用值。: tag_value

tag_name 标签在 self 中的值。如果找不到，则返回 tag_value_default。

从类中获取类标签，具有来自父类的标签级别继承。

每个兼容 scikit-base 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，它们是静态标志，在对象构造后不会改变。

classmethod get_class_tags()[source]#

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 任何属性的键。

它从对象中返回名称为 tag_name 的标签的值，考虑标签覆盖，按以下优先级降序排列
在类的 _tags 属性中设置的标签。

在父类的 _tags 属性中设置的标签，

值是相应的标签值，覆盖按以下优先级降序排列

实例可以根据超参数覆盖这些标签。

按继承顺序。

要检索具有潜在实例覆盖的标签，请使用 get_tags 方法代替。

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。

获取 self 的配置标志。

get_config()[source]#

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。

返回:

配置在 clone 或 reset 调用下保留。: config_dictdict

配置名称：配置值对字典。通过嵌套继承从 _config 类属性收集，然后收集来自 _onfig_dynamic 对象属性的任何覆盖和新标签。

获取已拟合参数。

get_fitted_params(deep=True)[source]#: 所需状态

参数:

要求状态为“已拟合”。

deepbool，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称：值字典，包括可拟合组件（= BaseEstimator 值参数）的已拟合参数。

返回:

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。

fitted_params键为 str 的 dict

已拟合参数字典，参数名称：参数值键值对包括
始终：此对象的所有已拟合参数，如同通过 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，组件参数的索引格式为 [componentname]__[paramname]，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()[source]#

返回:

获取对象的默认参数。: default_dict: dict[str, Any]

键是 cls 中所有在 __init__ 中定义了默认值的参数。值是默认值，如同在 __init__ 中定义的那样。

classmethod get_param_names(sort=True)[source]#

参数:

获取对象的参数名称。: sortbool，默认为 True

返回:

是否按字母顺序排序（True）或按它们在类 __init__ 中出现的顺序（False）返回参数名称。: param_names: list[str]

cls 的参数名称列表。如果 sort=False，顺序与它们在类 __init__ 中出现的顺序相同。如果 sort=True，则按字母顺序排列。

获取此对象的参数值字典。

参数:

要求状态为“已拟合”。

get_params(deep=True)[source]#

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 值参数）的参数。

返回:

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。

params键为 str 的 dict

参数字典，参数名称：参数值键值对包括
始终：此对象的所有参数，如同通过 get_param_names 获取的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，还包含组件参数的键值对，组件参数的索引格式为 [componentname]__[paramname]，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

从实例获取标签值，具有标签级别继承和覆盖。

每个兼容 scikit-base 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，它们是静态标志，在对象构造后不会改变。

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

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，按以下优先级降序排列

通过 set_tags 或 clone_tags 在实例上设置的标签，

它从对象中返回名称为 tag_name 的标签的值，考虑标签覆盖，按以下优先级降序排列
在类的 _tags 属性中设置的标签。

在父类的 _tags 属性中设置的标签，

参数:

要检索具有潜在实例覆盖的标签值，请使用 get_tag 方法代替。: 在实例构造时。
要检索的标签名称: tag_value_default任意类型，可选；默认为 None
如果找不到标签的默认/备用值: raise_errorbool

返回:

当找不到标签时是否抛出 ValueError: tag_valueAny

抛出:

tag_name 标签在 self 中的值。如果找不到，并且 raise_error 为 True，则抛出错误，否则返回 tag_value_default。: ValueError，如果 raise_error 为 True。

当 tag_name 不在 self.get_tags().keys() 中时，将抛出 ValueError。

从实例获取标签，具有标签级别继承和覆盖。

每个兼容 scikit-base 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，它们是静态标志，在对象构造后不会改变。

get_tags()[source]#

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。

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，按以下优先级降序排列

通过 set_tags 或 clone_tags 在实例上设置的标签，

它从对象中返回名称为 tag_name 的标签的值，考虑标签覆盖，按以下优先级降序排列
在类的 _tags 属性中设置的标签。

在父类的 _tags 属性中设置的标签，

返回:

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。: collected_tagsdict

标签名称：标签值对字典。通过嵌套继承从 _tags 类属性收集，然后收集来自 _tags_dynamic 对象属性的任何覆盖和新标签。

返回 skbase 对象的测试参数设置。

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

get_test_params 是用于存储测试参数设置的统一接口点。此函数也用于 create_test_instance 和 create_test_instances_and_names 来构造测试实例。

get_test_params 应返回单个 dict 或 dict 列表。

每个 dict 都是用于测试的参数配置，可用于构造一个“有趣的”测试实例。对于 get_test_params 返回中的所有字典 params，调用 cls(**params) 应有效。

参数:

parameter_setstr，默认为“default”: 要返回的测试参数集名称，用于测试。如果某个值未定义特殊参数，将返回 “default” 集。

返回:

get_test_params 不需要返回固定的字典列表，它也可以返回动态或随机的参数设置。: paramsdict 或 list[dict]，默认为 {}

用于创建类测试实例的参数。每个 dict 都是用于构造一个“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。

对 X 进行逆转换并返回逆转换后的版本。

inverse_transform(X, y=None)[source]#: 目前假设只有带有标签的转换器

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

get_fitted_params(deep=True)[source]#: 所需状态

才具有 inverse_transform。

访问 self 中的内容

以“_”结尾的已拟合模型属性。

参数:

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") 指定的类型。

Xsktime 兼容数据容器格式的时间序列

用于拟合转换器的数据。

sktime 中的个体数据格式是所谓的 mtype 规范，每个 mtype 实现一个抽象的 scitype。
Series scitype = 个体时间序列。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 的 Series 类型 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，请参阅转换器教程 examples/03_transformers.ipynb

self.is_fitted，必须为 True

返回:

额外数据，例如转换的标签。一些转换器需要此项，请参阅类文档字符串获取详细信息。: X 的逆转换版本

与 X 类型相同，并符合 mtype 格式规范

检查对象是否由其他 BaseObjects 组成。

is_composite()[source]#

返回:

复合对象是包含对象的对象，作为参数。在实例上调用，因为这可能因实例而异。: composite: bool

对象是否有任何参数的值是 BaseObject 的派生实例。

是否已调用 fit。

property is_fitted[source]#

返回:

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。: bool

估计器是否已 fit。

从文件位置加载对象。

参数:

classmethod load_from_path(serial)[source]#

返回:

serialZipFile(path).open(“object) 的结果

反序列化的 self，产生 cls.save(path) 在 path 的输出

从序列化内存容器加载对象。

参数:

classmethod load_from_serial(serial)[source]#

返回:

serialcls.save(None) 输出的第 1 个元素

反序列化的 self，产生 cls.save(None) 的输出 serial

将对象重置到干净的初始化后状态。

reset()[source]#

结果是将 self 设置为其构造函数调用后的状态，具有相同的超参数。set_config 设置的配置值也保留。

reset 调用会删除所有对象属性，除了
超参数 = __init__ 的参数，写入到 self，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”的属性将被保留。

配置属性，配置保留不变。也就是说，reset 前后 get_config 的结果相等。

类方法和对象方法，以及类属性也不受影响。

等同于 clone，区别在于 reset 改变 self 而不是返回一个新对象。

返回:

self: 在调用 self.reset() 后，self 在值和状态上等同于构造函数调用 ``type(self)(**self.get_params(deep=False))`` 后获得的对象。

类实例重置为干净的初始化后状态，但保留当前超参数值。

将序列化的 self 保存到字节类对象或 (.zip) 文件。

save(path=None, serialization_format='pickle')[source]#

行为：如果 path 为 None，则返回一个内存中的序列化 self；如果 path 是文件位置，则将 self 以 zip 文件形式存储在该位置

参数:

保存的文件是 zip 文件，包含以下内容：_metadata - 包含 self 的类，即 type(self)；_obj - 序列化的 self。此类使用默认序列化（pickle）。

pathNone 或文件位置 (str 或 Path)

如果为 None，self 保存到内存对象中；如果是文件位置，self 保存到该文件位置。如果
path=”estimator”，则会在当前工作目录创建 zip 文件 estimator.zip。

path=”/home/stored/estimator”，则会在 /home/stored/ 中存储 zip 文件 estimator.zip。

。（补全上一行的句子）

serialization_format: str，默认为 “pickle”

返回:

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。
如果 path 为 None - 内存中的序列化 self

如果 path 是文件位置 - ZipFile，引用该文件

将配置标志设置为给定值。

参数:

配置在 clone 或 reset 调用下保留。

set_config(**config_dict)[source]#

配置名称：配置值对字典。有效的配置、值及其含义如下所示

displaystr，“diagram”（默认）或“text”

jupyter kernel 如何显示 self 的实例
“diagram” = html 框图表示

“text” = 字符串打印输出

是否只列出自参数中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，“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” = 将不会引发来自 sktime 的警告

backend:parallel字符串，可选，默认值=“None”

在广播/向量化时用于并行化的后端，可以是以下之一

“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，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:params字典，可选，默认值={}（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，backend_params 被忽略
“loky”、“multiprocessing”和“threading”：默认 joblib 后端。此处可以传递 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，它将默认为 -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。此处可以传递 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，它将默认为 -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 的有效键的字典
- “shutdown_ray”：布尔值，默认=True；False 可防止 ray 在
  并行化后关闭。
- “logger_name”：字符串，默认=“ray”；要使用的日志记录器名称。
- “mute_warnings”：布尔值，默认=False；如果为 True，则抑制警告

input_conversion字符串，可以是“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 - 输入被假定为指定的 mtype，执行转换但不进行检查

output_conversion字符串，可以是“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。

注意事项

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 对象和组合对象。参数键字符串 <component>__<parameter> 可用于组合对象（即包含其他对象的对象），以访问组件 <component> 中的 <parameter>。如果引用明确（例如，没有两个组件参数具有 <parameter> 名称），也可以使用不带 <component>__ 的字符串 <parameter>。

参数:

**params字典: 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（参数设置后）

set_random_state(random_state=None, deep=True, self_policy='copy')[source]#

为 self 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 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。

根据 self_policy 应用于 self 中的 random_state 参数，并且仅当 deep=True 时应用于其余组件对象。

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_state整型，RandomState 实例或 None，默认=None

伪随机数生成器，用于控制随机整数的生成。传递整型可在多次函数调用中获得可重现的输出。

要求状态为“已拟合”。

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_policy字符串，可以是 {“copy”, “keep”, “new”} 之一，默认=“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，

源自输入的 random_state，通常与它不同

返回:

self对自身的引用

set_tags(**tag_dict)[source]#

将实例级别标签覆盖设置为给定值。

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

标签是特定于实例 self 的键值对，它们是静态标志，对象构建后不会更改。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 方法应仅在对象构建期间或通过 __init__ 构建后立即在对象的 __init__ 方法中调用。

当前标签值可以通过 get_tags 或 get_tag 查看。

参数:

**tag_dict字典: 标签名称：标签值对的字典。

返回:

Self: 对自身的引用。

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

转换 X 并返回转换后的版本。

get_fitted_params(deep=True)[source]#: 所需状态

才具有 inverse_transform。

访问 self 中的内容

以“_”结尾的已拟合模型属性。

参数:

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") 指定的类型。

要转换的数据。

用于拟合转换器的数据。

sktime 中的个体数据格式是所谓的 mtype 规范，每个 mtype 实现一个抽象的 scitype。
Series scitype = 个体时间序列。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 的 Series 类型 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，请参阅转换器教程 examples/03_transformers.ipynb

self.is_fitted，必须为 True

返回:

用于拟合转换器和进行转换的数据。
X 的转换版本

	转换
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

|----------|————–|------------------------| | 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受支持

明确说明，带示例

如果 X 是 Series（例如，pd.DataFrame）

且 transform-output 是 Series，则返回是相同 mtype 的单个 Series。示例：对单个时间序列进行去趋势

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

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

如果 X 是 Series 或 Panel 且 transform-output 是

Primitives，则返回是行数与 X 中实例数量相同的 pd.DataFrame。示例：返回的第 i 行包含第 i 个时间序列的均值和方差

如果 X 是 Series 且 transform-output 是 Panel，

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

使用 X 更新转换器，可选地使用 y。

get_fitted_params(deep=True)[source]#: 所需状态

才具有 inverse_transform。

访问 self 中的内容

以“_”结尾的已拟合模型属性。

将状态更改为“已拟合”。

访问 self 中的内容

如果 remember_data 标签为 True，则通过 update_data 写入 self._X，并由 X 中的值更新。

参数:

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") 指定的类型。

用于更新转换的数据

用于拟合转换器的数据。

sktime 中的个体数据格式是所谓的 mtype 规范，每个 mtype 实现一个抽象的 scitype。
Series scitype = 个体时间序列。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 的 Series 类型 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，请参阅转换器教程 examples/03_transformers.ipynb

self.is_fitted，必须为 True

返回:

额外数据，例如转换的标签。如果 self.get_tag("requires_y") 为 True，则必须在 fit 中传递，不是可选的。有关所需格式，请参阅类文档字符串获取详细信息。