MiniRocket#

class MiniRocket(num_kernels=10000, max_dilations_per_kernel=32, n_jobs=1, random_state=None)[源代码]#

MINImally RandOm Convolutional KErnel Transform (MiniRocket)。

MiniRocket [1] 是 Rocket 的几乎确定性版本。它创建长度为 9 的卷积，权重限制在两个值，并使用 84 个固定卷积（其中六个使用一种权重，三个使用第二种权重）来种子膨胀。MiniRocket 仅适用于单变量时间序列。对于多变量时间序列，请使用 MiniRocketMultivariate 类。

此变换器为每个单独的时间序列拟合一组参数，并将它们应用于测试集中具有相同编号的时间序列。

要同时进行拟合和变换，而无需识别拟合/变换实例，请将此变换器包装在 FitInTransform 中，来自 sktime.transformations.compose。

参数：

num_kernelsint, default=10,000: 随机卷积核的数量。这应该是一个 84 的倍数。如果小于 84，将设置为 84。如果大于 84 且不是 84 的倍数，则用于变换数据的核数量将向下舍入到下一个正数倍数。
max_dilations_per_kernelint, default=32: 每个核的最大膨胀数量。
n_jobsint, default=1: 用于 transform 的并行作业数。-1 表示使用所有处理器。
random_stateNone or int, default = None

属性：

num_kernels_int: 在 rocket 变换中使用的实际核数量。这是 num_kernels 向下舍入到最接近 84 的倍数。如果 num_kernels 小于 84，则为 84。

另请参见

MultiRocketMultivariate, MiniRocket, MiniRocketMultivariate, Rocket

参考文献

[1]

Dempster, Angus and Schmidt, Daniel F and Webb, Geoffrey I, “MINIROCKET: A Very Fast (Almost) Deterministic Transform for Time Series Classification”,2020, https://dl.acm.org/doi/abs/10.1145/3447548.3467231, https://arxiv.org/abs/2012.08791

示例

>>> from sktime.transformations.panel.rocket import MiniRocket
>>> from sktime.datasets import load_unit_test
>>> X_train, y_train = load_unit_test(split="train") 
>>> X_test, y_test = load_unit_test(split="test") 
>>> trf = MiniRocket(num_kernels=512) 
>>> trf.fit(X_train) 
MiniRocket(...)
>>> X_train = trf.transform(X_train) 
>>> X_test = trf.transform(X_test) 

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建类的实例。
`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])	将变换器拟合到 X，可选择拟合到 y。
`fit_transform`(X[, y])	拟合数据，然后变换数据。
`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 self 的配置标志。
`get_fitted_params`([deep])	获取拟合的参数。
`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，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集。
`inverse_transform`(X[, y])	逆变换 X 并返回逆变换后的版本。
`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`()	将对象重置为干净的初始化后状态。
`save`([path, serialization_format])	将序列化的 self 保存到类似字节的对象或 (.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（可选 y）更新变换器。

classmethod get_test_params(parameter_set='default')[源代码]#: 返回估计器的测试参数集。

check_is_fitted(method_name=None)[源代码]#

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。

如果未拟合，则引发 NotFittedError。

参数：

method_namestr, optional: 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: 如果估计器尚未拟合。

clone()[源代码]#

获取具有相同超参数和配置的对象的克隆。

克隆是具有相同超参数和配置的不同对象，没有共享引用，处于初始化后状态。此函数等效于返回 sklearn.clone 的 self。

等效于构造一个新的 type(self) 实例，具有 self 的参数，即 type(self)(**self.get_params(deep=False))。

如果在 self 上设置了配置，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 那样修改 self。

引发：

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

clone_tags(estimator, tag_names=None)[源代码]#

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，它们是静态标志，在对象构建后不会改变。

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（构建期间）或直接在 __init__ 构建后调用。

动态标签被设置为 estimator 中指定名称 tag_names 的标签的值。

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

可以使用 get_tags 或 get_tag 检查当前的标签值。

参数：

estimator:class:BaseObject 或派生类的实例
tag_namesstr or list of str, default = 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: self 的引用。

classmethod create_test_instance(parameter_set='default')[源代码]#

使用第一个测试参数集构建类的实例。

参数：

parameter_setstr, default=”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具有默认参数的类的实例

classmethod create_test_instances_and_names(parameter_set='default')[源代码]#

创建所有测试实例列表及其名称列表。

参数：

parameter_setstr, default=”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])
namesstr 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。如果实例多于一个，命名约定为 {cls.__name__}-{i}，否则为 {cls.__name__}

fit(X, y=None)[源代码]#

将变换器拟合到 X，可选择拟合到 y。

状态改变: 将状态更改为“fitted”。

写入 self

设置以“_”结尾的拟合模型属性，拟合属性可通过 get_fitted_params 检查。

将 self.is_fitted 标志设置为 True。

如果 self.get_tag("remember_data") 为 True，则记住 X 作为 self._X，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

要拟合和变换的数据。

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 = 单个时间序列。pd.DataFrame, pd.Series, 或 np.ndarray (1D or 2D)
Panel scitype = 时间序列集合。pd.DataFrame with 2-level row MultiIndex (instance, time), 3D np.ndarray (instance, variable, time), list of Series typed pd.DataFrame
Hierarchical scitype = 时间序列的分层集合。pd.DataFrame with 3 or more level row MultiIndex (hierarchy_1, ..., hierarchy_n, time)

有关数据格式的更多详细信息，请参阅 mtype 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，default=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，而不是可选。有关所需格式，请参阅类文档字符串了解详情。

返回：

self已拟合的估计器实例

fit_transform(X, y=None)[源代码]#

拟合数据，然后变换数据。

将变换器拟合到 X 和 y，并返回 X 的变换版本。

状态改变: 将状态更改为“fitted”。

写入 self: _is_fitted : flag is set to True. _X : X, coerced copy of X, if remember_data tag is True

如果可能，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）：取决于估计器

参数：

Xsktime 兼容数据容器格式的时间序列

用于拟合和变换的数据。

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 = 单个时间序列。pd.DataFrame, pd.Series, 或 np.ndarray (1D or 2D)
Panel scitype = 时间序列集合。pd.DataFrame with 2-level row MultiIndex (instance, time), 3D np.ndarray (instance, variable, time), list of Series typed pd.DataFrame
Hierarchical scitype = 时间序列的分层集合。pd.DataFrame with 3 or more level row MultiIndex (hierarchy_1, ..., hierarchy_n, time)

有关数据格式的更多详细信息，请参阅 mtype 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，default=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，而不是可选。有关所需格式，请参阅类文档字符串了解详情。

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支持

具体来说，举例说明

如果 X 是 Series (例如，pd.DataFrame)

并且 transform-output 是 Series，则返回单个相同 mtype 的 Series。示例：对单个序列去趋势

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

是 Series，则返回具有与 X 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被单独去趋势

如果 X 是 Series 或 Panel 并且 transform-output 是

Primitives，则返回一个 pd.DataFrame，行数与 X 中的实例数相同。示例：返回值的第 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，

则返回一个类型为 pd-multiindex 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)[源代码]#

从类中获取类标签值，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，用于存储对象的元数据。

get_class_tag 方法是类方法，仅考虑类级别的标签值和覆盖来检索标签的值。

它从对象返回名称为 tag_name 的标签的值，考虑标签覆盖，优先级从高到低如下所示

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，

按照继承顺序。

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，请使用 get_tag 方法。

参数：

tag_namestr: 标签名称。
tag_value_defaultany type: 如果找不到标签，则使用的默认/回退值。

返回：

tag_value: self 中 tag_name 标签的值。如果找不到，则返回 tag_value_default。

classmethod get_class_tags()[源代码]#

从类中获取类标签，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。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，它们是静态标志，在对象构建后不会改变。

get_class_tags 方法是类方法，它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任何 _tags 属性的键。

值是相应的标签值，覆盖优先级从高到低如下所示

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，

按照继承顺序。

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，请使用 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_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。未被通过 set_tags 或 clone_tags 设置的动态标签覆盖。

get_config()[源代码]#

获取 self 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，并通过 set_config 设置的动态配置覆盖。

配置在 clone 或 reset 调用下得以保留。

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，然后是 _onfig_dynamic 对象属性中的任何覆盖和新标签。

get_fitted_params(deep=True)[源代码]#

获取拟合的参数。

所需状态: 需要状态为“fitted”。

参数：

deepbool, default=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，包括可拟合组件的拟合参数（= BaseEstimator-值参数）。
如果为 False，将返回此对象的参数名称：值字典，但不包括组件的拟合参数。

返回：

fitted_params键为 str 值的 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，如通过 get_param_names 获取，值为此对象该键的拟合参数值
如果 deep=True，还包含组件参数的键/值对，组件的参数索引为 [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()[源代码]#

获取对象的参数默认值。

返回：

default_dict: dict[str, Any]: 键是 cls 的所有在 __init__ 中定义了默认值的参数。值是默认值，如在 __init__ 中定义。

classmethod get_param_names(sort=True)[源代码]#

获取对象的参数名称。

参数：

sortbool, default=True: 是否按字母顺序返回参数名称 (True)，或按它们在类的 __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，则按它们在类的 __init__ 中出现的相同顺序。如果 sort=True，则按字母顺序排列。

get_params(deep=True)[源代码]#

获取此对象的参数值字典。

参数：

deepbool, default=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 值参数）。
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 值的 dict

参数字典，paramname : paramvalue 键值对包括

始终：此对象的所有参数，如通过 get_param_names 获取，值为此对象该键的参数值，值始终与构建时传入的值相同
如果 deep=True，还包含组件参数的键/值对，组件的参数索引为 [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

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

从实例获取标签值，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，它们是静态标志，在对象构建后不会改变。

get_tag 方法从实例检索名称为 tag_name 的单个标签的值，考虑标签覆盖，优先级从高到低如下所示

通过在实例构建时在实例上通过 set_tags 或 clone_tags 设置的标签。

在实例构建时。

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，

按照继承顺序。

参数：

tag_namestr: 要检索的标签名称
tag_value_default任意类型，可选；default=None: 如果找不到标签，则使用的默认/回退值
raise_errorbool: 找不到标签时是否引发 ValueError

返回：

tag_valueAny: self 中 tag_name 标签的值。如果找不到，则在 raise_error 为 True 时引发错误，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()[源代码]#

从实例获取标签，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，它们是静态标志，在对象构建后不会改变。

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任何 _tags 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，覆盖优先级从高到低如下所示

通过在实例构建时在实例上通过 set_tags 或 clone_tags 设置的标签。

在实例构建时。

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，

按照继承顺序。

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，然后是 _tags_dynamic 对象属性中的任何覆盖和新标签。

inverse_transform(X, y=None)[源代码]#

逆变换 X 并返回逆变换后的版本。

目前假定只有带有标签: “scitype:transform-input”=”Series”, “scitype:transform-output”=”Series”,

的变换器具有 inverse_transform。

所需状态: 需要状态为“fitted”。

在 self 中访问

以“_”结尾的拟合模型属性。

self.is_fitted，必须为 True

参数：

Xsktime 兼容数据容器格式的时间序列

要拟合和变换的数据。

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 = 单个时间序列。pd.DataFrame, pd.Series, 或 np.ndarray (1D or 2D)
Panel scitype = 时间序列集合。pd.DataFrame with 2-level row MultiIndex (instance, time), 3D np.ndarray (instance, variable, time), list of Series typed pd.DataFrame
Hierarchical scitype = 时间序列的分层集合。pd.DataFrame with 3 or more level row MultiIndex (hierarchy_1, ..., hierarchy_n, time)

有关数据格式的更多详细信息，请参阅 mtype 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，default=None

额外数据，例如用于变换的标签。某些变换器需要此项，详情请参阅类文档字符串。

返回：

X 的逆变换版本: 类型与 X 相同，且符合 mtype 格式规范

property is_fitted[源代码]#

检查对象是否由其他 BaseObjects 组成。

复合对象是一种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: 布尔类型: 对象是否有任何参数，其值是 BaseObject 的后代实例。

是否已调用 fit。

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

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 fit。

classmethod load_from_path(serial)[源代码]#

从文件位置加载对象。

参数：

serialZipFile(path).open(“object) 的结果

返回：

在 path 处得到的反序列化 self，是 cls.save(path) 的输出

classmethod load_from_serial(serial)[源代码]#

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 self，得到 serial 输出，是 cls.save(None) 的结果

reset()[源代码]#

将对象重置为干净的初始化后状态。

结果是将 self 设置为其在构造函数调用之后直接所处的状态，具有相同的超参数。通过 set_config 设置的配置值也会被保留。

reset 调用会删除除以下情况外的任何对象属性

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”的属性会被保留。
配置属性，配置会原样保留。也就是说，reset 前后 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。

等效于 clone，不同之处在于 reset 修改 self 而不是返回新对象。

在调用 self.reset() 后，self 在值和状态上与构造函数调用``type(self)(**self.get_params(deep=False))``后获得的对象相等。

返回：

self: 类实例重置为干净的初始化后状态，但保留当前超参数值。

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

将序列化的 self 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 self；如果 path 是文件位置，则将 self 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 self 的类，即 type(self) _obj - 序列化的 self。此类使用默认序列化 (pickle)。

参数：

pathNone 或文件位置 (str 或 Path)

如果为 None，self 将保存到内存对象；如果为文件位置，self 将保存到该文件位置。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 zip 文件 estimator.zip 将

存储在 /home/stored/ 中。

serialization_format: str, default = “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 self
如果 path 为文件位置 - 包含对文件的引用的 ZipFile

set_config(**config_dict)[源代码]#

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。有效配置、值及其含义列在下方

displaystr, “diagram” (default), 或 “text”

jupyter 内核如何显示 self 的实例

“diagram” = html 框图表示
“text” = 字符串打印输出

print_changed_onlybool, default=True

打印 self 时是否只列出与默认值不同的 self 参数 (False)，或所有参数名称和值 (False)。不嵌套，即仅影响 self 而不影响组件估计器。

warningsstr, “on” (default), 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, optional, default=”None”

广播/矢量化时用于并行化的后端之一

“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, optional, default={} (未传入参数)

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，忽略 backend_params
“loky”、“multiprocessing”和“threading”：默认的 joblib 后端。这里可以传递 joblib.Parallel 的任何有效键，例如 n_jobs，但 backend 除外，后者由 backend 直接控制。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。这里可以传递 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 的有效键字典
- “shutdown_ray”：布尔类型，默认为 True；False 可阻止 ray 在并行处理后
  关闭。
- “logger_name”：字符串，默认为“ray”；要使用的日志记录器名称。
- “mute_warnings”：布尔类型，默认为 False；如果为 True，则抑制警告

input_conversion字符串，取值为“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，执行转换但不进行检查

output_conversion字符串，取值为“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>。如果不会产生歧义，例如没有两个组件参数同名为 <parameter>，也可以使用不带 <component>__ 前缀的字符串 <parameter>。

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，如果它们在 get_params 键中是唯一的。

返回：

self 对自身（设置参数后）的引用

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，或者所有组件都没有 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_state整数、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。传入整数可在多次函数调用中获得可重现的输出。

deepbool, default=True

是否在值类型为 skbase 对象的参数（即组件估计器）中设置随机状态。

如果为 False，则只设置 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，取值为 {“copy”, “keep”, “new”} 之一，默认为“copy”

“copy” : self.random_state 被设置为输入的 random_state
“keep” : self.random_state 保持不变
“new” : self.random_state 被设置为新的随机状态，

从输入的 random_state 派生，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，用于存储对象的元数据。

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。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 方法只能在对象的 __init__ 方法中、构造期间或通过 __init__ 构造后直接调用。

可以使用 get_tags 或 get_tag 检查当前的标签值。

参数：

**tag_dict字典: 标签名: 标签值的字典对。

返回：

自身: 对自身的引用。

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

变换 X 并返回变换后的版本。

所需状态: 需要状态为“fitted”。

在 self 中访问

以“_”结尾的拟合模型属性。

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 = 单个时间序列。pd.DataFrame, pd.Series, 或 np.ndarray (1D or 2D)
Panel scitype = 时间序列集合。pd.DataFrame with 2-level row MultiIndex (instance, time), 3D np.ndarray (instance, variable, time), list of Series typed pd.DataFrame
Hierarchical scitype = 时间序列的分层集合。pd.DataFrame with 3 or more level row MultiIndex (hierarchy_1, ..., hierarchy_n, time)

有关数据格式的更多详细信息，请参阅 mtype 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，default=None

额外数据，例如用于变换的标签。某些变换器需要此项，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

	转换
X	- 输出	返回类型
序列	基本类型	pd.DataFrame (1行)
面板	基本类型	pd.DataFrame
序列	序列	序列
面板	序列	面板
序列	面板	面板

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

具体来说，举例说明

如果 X 是 Series (例如，pd.DataFrame)

并且 transform-output 是 Series，则返回单个相同 mtype 的 Series。示例：对单个序列去趋势

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

是 Series，则返回具有与 X 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被单独去趋势

如果 X 是 Series 或 Panel 并且 transform-output 是

Primitives，则返回一个 pd.DataFrame，行数与 X 中的实例数相同。示例：返回值的第 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，

则返回一个类型为 pd-multiindex 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（可选 y）更新变换器。

所需状态: 需要状态为“fitted”。

在 self 中访问

以“_”结尾的拟合模型属性。

self.is_fitted，必须为 True

写入 self

以“_”结尾的拟合模型属性。

如果 remember_data 标签为 True，则通过 update_data 将数据写入 self._X，self._X 通过 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 = 单个时间序列。pd.DataFrame, pd.Series, 或 np.ndarray (1D or 2D)
Panel scitype = 时间序列集合。pd.DataFrame with 2-level row MultiIndex (instance, time), 3D np.ndarray (instance, variable, time), list of Series typed pd.DataFrame
Hierarchical scitype = 时间序列的分层集合。pd.DataFrame with 3 or more level row MultiIndex (hierarchy_1, ..., hierarchy_n, time)

有关数据格式的更多详细信息，请参阅 mtype 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，default=None

额外数据，例如用于变换的标签。某些变换器需要此项，详情请参阅类文档字符串。

返回：

self已拟合的估计器实例