随机区间分割器

类 RandomIntervalSegmenter(n_intervals='sqrt', min_length=None, max_length=None, random_state=None)

随机区间分割器变换器。

该变换器将时间序列分割成具有随机起始点和长度的随机区间。某些区间可能会重叠或重复。

参数:

n_intervalsstr, int 或 float

生成的区间数量。 - 如果是“log”，则使用时间序列长度 m 的对数。 - 如果是“sqrt”，则使用 m 的平方根。 - 如果是“random”，则生成随机数量的区间。 - 如果是 int，则生成 n_intervals 个区间。 - 如果是 float，则使用 int(n_intervals * m)，其中 n_intervals 表示区间数量占时间序列长度的比例。

对于所有与时间序列长度相关的参数，生成的区间数量始终至少为 1。

默认值为“sqrt”。

random_stateint, RandomState 实例或 None, 可选 (默认为 None)

如果为 int，则 random_state 是随机数生成器使用的种子；如果为 RandomState 实例，则 random_state 是随机数生成器；如果为 None，则随机数生成器是 np.random 使用的 RandomState 实例。

属性:

is_fitted

fit 是否已被调用。

方法

check_is_fitted([method_name])	检查评估器是否已经拟合。
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])	构造一个类的实例，使用第一个测试参数集。
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，可选地拟合到 y。
fit_transform(X[, y])	拟合数据，然后变换。
get_class_tag(tag_name[, tag_value_default])	从类获取类标签值，具有来自父类的标签级别继承。
get_class_tags()	从类获取类标签，具有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])	返回评估器的测试参数设置。
inverse_transform(X[, y])	反向变换 X 并返回一个反向变换版本。
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)	从序列化的内存容器加载对象。
reset()	将对象重置到干净的初始化后状态。
save([path, serialization_format])	将序列化后的自身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 并返回一个变换版本。
update(X[, y, update_params])	使用 X 更新变换器，可选地使用 y。

类方法 get_test_params(parameter_set='default')

返回评估器的测试参数设置。

参数:

parameter_setstr, default=”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:

paramsdict 或 list of dict, default = {}

用于创建类的测试实例的参数。每个 dict 是构造一个“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)

检查评估器是否已经拟合。

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

调用此函数的方法的名称。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。

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

如果 self 上设置了配置，克隆对象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())。

值上等效于调用 self.reset，除了 clone 返回一个新对象，而不是像 reset 那样改变 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 scikit-base 兼容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。

标签是实例 self 特有的键值对，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 方法只应在对象的 __init__ 方法中，在构造期间，或在构造后直接通过 __init__ 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。

可以使用 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 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

对 self 的引用。

类方法 create_test_instance(parameter_set='default')

构造一个类的实例，使用第一个测试参数集。

参数:

parameter_setstr, default=”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

类方法 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_setstr, default=”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 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=None)

将变换器拟合到 X，可选地拟合到 y。

状态变化

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，则将 X 记忆为 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

要拟合变换的数据。

sktime 中的单个数据格式是所谓的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 或 2D)

• Panel scitype = 时间序列集合。具有 2 级行 MultiIndex (实例, 时间) 的 pd.DataFrame, 3D np.ndarray (实例, 变量, 时间), list 类型的 pd.DataFrame 列表

• Hierarchical scitype = 分层时间序列集合。具有 3 个或更多级别行 MultiIndex (层级_1, ..., 层级_n, 时间) 的 pd.DataFrame

有关数据格式的更多详细信息，请参见 mtype 词汇表。有关用法，请参见变换器教程 examples/03_transformers.ipynb

y可选，sktime 兼容数据格式的数据，default=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。所需格式请参见类文档字符串中的详细信息。

返回:

self评估器的拟合实例

fit_transform(X, y=None)

拟合数据，然后变换。

将变换器拟合到 X 和 y，并返回 X 的变换版本。

状态变化

将状态更改为“fitted”。

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

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

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

要拟合变换的数据，以及要变换的数据。

sktime 中的单个数据格式是所谓的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 或 2D)

• Panel scitype = 时间序列集合。具有 2 级行 MultiIndex (实例, 时间) 的 pd.DataFrame, 3D np.ndarray (实例, 变量, 时间), list 类型的 pd.DataFrame 列表

• Hierarchical scitype = 分层时间序列集合。具有 3 个或更多级别行 MultiIndex (层级_1, ..., 层级_n, 时间) 的 pd.DataFrame

有关数据格式的更多详细信息，请参见 mtype 词汇表。有关用法，请参见变换器教程 examples/03_transformers.ipynb

y可选，sktime 兼容数据格式的数据，default=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。所需格式请参见类文档字符串中的详细信息。

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

表中未列出的组合当前不支持

明确地，举例说明

• 如果 X 是 Series (例如，pd.DataFrame)

并且 transform-output 是 Series，则返回值为相同 mtype 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) 且 transform-output

是 Series，则返回值为 Panel，其实例数量与 X 相同（对每个输入 Series 实例应用变换器）。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 且 transform-output 是

Primitives，则返回值为 pd.DataFrame，其行数与 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 且 transform-output 是 Panel，

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

类方法 get_class_tag(tag_name, tag_value_default=None)

从类获取类标签值，具有来自父类的标签级别继承。

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。

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。

它返回对象中名称为 tag_name 的标签值，考虑标签覆盖，优先级从高到低如下：

1. 类中的 _tags 属性中设置的标签。

2. 父类中的 _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。

要检索具有潜在实例覆盖的标签值，请改用 get_tag 方法。

参数:

tag_namestr

标签值的名称。

tag_value_default任意类型

如果找不到标签的默认/备用值。

返回:

tag_value

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

类方法 get_class_tags()

从类获取类标签，具有来自父类的标签级别继承。

每个 scikit-base 兼容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。

标签是实例 self 特有的键值对，它们是静态标志，在对象构造后不会改变。

get_class_tags 方法是一个类方法，它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。

值是相应的标签值，覆盖的优先级从高到低如下：

1. 类中的 _tags 属性中设置的标签。

2. 父类中的 _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。

要检索具有潜在实例覆盖的标签，请使用 get_tags 方法。

不考虑通过 set_tags 或 clone_tags 在实例上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：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态标志。

get_config 返回动态配置，它覆盖默认配置。

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 调用下保留。

返回:

config_dictdict

配置名：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)

获取拟合参数。

所需状态

要求状态为“拟合”。

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：值字典，包括可拟合组件 (= BaseEstimator 类型参数) 的拟合参数。

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

返回:

fitted_params键为 str 的字典

拟合参数字典，键值对为 paramname : paramvalue

• 始终包含：此对象的所有拟合参数，如通过 get_param_names 获取的值是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，组件参数按 [componentname]__[paramname] 索引，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

类方法 get_param_defaults()

获取对象的默认参数。

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__ 中定义的。

类方法 get_param_names(sort=True)

获取对象的参数名称。

参数:

sortbool, default=True

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。

返回:

param_names: list[str]

cls 的参数名称列表。如果 sort=False，则按它们在类 __init__ 中出现的顺序排列。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:

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：值 dict，包括组件 (= BaseObject 类型参数) 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 的字典

参数字典，键值对为 paramname : paramvalue

• 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，组件参数按 [componentname]__[paramname] 索引，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 scikit-base 兼容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。

标签是实例 self 特有的键值对，它们是静态标志，在对象构造后不会改变。

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，优先级从高到低如下：

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

在实例构造时。

2. 类中的 _tags 属性中设置的标签。

3. 父类中的 _tags 属性中设置的标签，

按继承顺序。

参数:

tag_namestr

要检索的标签名称

tag_value_default任意类型，可选；默认=None

如果找不到标签的默认/备用值

raise_errorbool

找不到标签时是否抛出 ValueError

返回:

tag_value任意

self 中 tag_name 标签的值。如果找不到，并且 raise_error 为 True，则抛出错误，否则返回 tag_value_default。

抛出:

ValueError，如果 raise_error 为 True。

如果 tag_name 不在 self.get_tags().keys() 中，则抛出 ValueError。

get_tags()

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。标签可用于存储关于对象的元数据或控制对象的行为。

标签是实例 self 特有的键值对，它们是静态标志，在对象构造后不会改变。

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 _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，覆盖的优先级从高到低如下：

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

在实例构造时。

2. 类中的 _tags 属性中设置的标签。

3. 父类中的 _tags 属性中设置的标签，

按继承顺序。

返回:

collected_tagsdict

标签名：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)

反向变换 X 并返回一个反向变换版本。

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

要求状态为“拟合”。

访问 self 中的属性

• 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

要拟合变换的数据。

sktime 中的单个数据格式是所谓的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 或 2D)

• Panel scitype = 时间序列集合。具有 2 级行 MultiIndex (实例, 时间) 的 pd.DataFrame, 3D np.ndarray (实例, 变量, 时间), list 类型的 pd.DataFrame 列表

• Hierarchical scitype = 分层时间序列集合。具有 3 个或更多级别行 MultiIndex (层级_1, ..., 层级_n, 时间) 的 pd.DataFrame

有关数据格式的更多详细信息，请参见 mtype 词汇表。有关用法，请参见变换器教程 examples/03_transformers.ipynb

y可选，sktime 兼容数据格式的数据，default=None

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

返回:

X 的反向变换版本

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。

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

对象是否具有任何参数，其值是 BaseObject 后代实例。

属性 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:

bool

评估器是否已经 fit。

类方法 load_from_path(serial)

从文件位置加载对象。

参数:

serialZipFile(path).open(“object”) 的结果

返回:

解序列化的 self，结果位于 path，是 cls.save(path) 的输出

类方法 load_from_serial(serial)

从序列化的内存容器加载对象。

参数:

serialcls.save(None) 输出的第一个元素

返回:

解序列化的 self，结果为输出 serial，是 cls.save(None) 的输出

reset()

将对象重置到干净的初始化后状态。

结果是将 self 设置到构造函数调用后直接拥有的状态，具有相同的超参数。通过 set_config 设置的配置值也会被保留。

调用 reset 会删除任何对象属性，除了

• 超参数 = __init__ 的参数，并写入 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，名称为“__myattr”的属性被保留。

• 配置属性，配置不变地保留。也就是说，reset 前后 get_config 的结果相同。

类和对象方法以及类属性也不受影响。

等效于 clone，除了 reset 会改变 self 而不是返回一个新对象。

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

返回:

self

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')

将序列化后的自身保存到类似字节的对象或 (.zip) 文件。

行为：如果 path 为 None，则返回内存中序列化的自身；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，包含以下内容：_metadata - 包含自身类，即 type(self) _obj - 序列化的自身。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，则将自身保存到内存对象；如果为文件位置，则将自身保存到该文件位置。例如，如果

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

• path=”/home/stored/estimator”，则将在 /home/stored/ 存储一个 zip 文件 estimator.zip。

serialization_format: str, default = “pickle”

用于序列化的模块。可用选项为“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 - 内存中序列化的自身

返回:

如果 path 是文件位置 - 指向文件的 ZipFile

set_config(**config_dict)

配置名：配置值 对的字典。有效的配置、值及其含义如下所示

将配置标志设置为给定值。

参数:

config_dictdict

displaystr, “diagram” (默认) 或 “text”

jupyter 内核如何显示自身的实例

“diagram” = html 框图表示

• “text” = 字符串输出

• print_changed_onlybool, default=True

打印自身时是否仅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）。不嵌套，即仅影响自身，不影响组件评估器。

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, default=”None”

用于广播/向量化时并行化的后端，可选值之一：

“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, 可选, default={} (不传递参数)

backend:parallel:paramsdict, 可选，默认={} (未传递参数)

作为配置传递给并行化后端附加参数。有效键取决于 backend:parallel 的值。

• “None”: 没有附加参数，backend_params 被忽略

• “loky”, “multiprocessing” 和 “threading”: 默认 joblib 后端，任何对于 joblib.Parallel 有效的键都可以传递，例如 n_jobs，除了 backend，它由 backend 直接控制。如果未传递 n_jobs，则默认为 -1，其他参数默认为 joblib 默认值。

• “joblib”: 自定义和第三方 joblib 后端，例如 spark。任何对于 joblib.Parallel 有效的键都可以传递，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，其他参数默认为 joblib 默认值。

• “dask”: 任何对于 dask.compute 有效的键都可以传递，例如 scheduler

• “ray”: 以下键可以传递

  • “ray_remote_args”: 有效键的字典，用于 ray.init

  • “shutdown_ray”: bool, 默认=True; False 防止 ray 在并行化后

    关闭。

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

  • “mute_warnings”: bool, 默认=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 - 输入被假定为指定的 mtype，执行转换但不执行检查

output_conversionstr, “on”, “off”, 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 - 输出转换为指定的 mtype

返回:

self指向 self 的引用。

Notes（注释）

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

set_params(**params)

设置此对象的参数。

此方法适用于简单的 skbase 对象以及复合对象。参数键字符串 <component>__<parameter> 可用于复合对象（即包含其他对象的对象）来访问组件 <component> 中的 <parameter>。字符串 <parameter>，不带 <component>__，如果引用明确也可以使用，例如，没有两个组件的参数名称都是 <parameter>。

参数:

**paramsdict

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指向 self 的引用（参数设置后）

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 将它们设置为派生自 random_state 的整数。这些整数通过 sample_dependent_seed 从链式哈希中采样，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，即使是没有 random_state 参数的对象。

参数:

random_stateint, 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 int 以在多次函数调用中获得可重现的输出。

deepbool, default=True

是否在 skbase 对象值参数（即组件评估器）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，则同时在组件对象中设置 random_state 参数。

self_policystr, {“copy”, “keep”, “new”} 之一, 默认=”copy”

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

• “keep” : self.random_state 保持原样

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

派生自输入的 random_state，并且通常与之不同

返回:

self指向 self 的引用

set_tags(**tag_dict)

将实例级别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，它们是构造对象后不会改变的静态标志。它们可用于元数据检查，或用于控制对象的行为。

set_tags 将动态标签覆盖设置为 tag_dict 中指定的值，键是标签名称，字典值是要设置的标签值。

应仅在对象的 __init__ 方法中（构造期间）或通过 __init__ 直接调用后调用 set_tags 方法。

可以使用 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:

Self

指向 self 的引用。

transform(X, y=None)

变换 X 并返回一个变换版本。

所需状态

要求状态为“拟合”。

访问 self 中的属性

• 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 中的单个数据格式是所谓的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 或 2D)

• Panel scitype = 时间序列集合。具有 2 级行 MultiIndex (实例, 时间) 的 pd.DataFrame, 3D np.ndarray (实例, 变量, 时间), list 类型的 pd.DataFrame 列表

• Hierarchical scitype = 分层时间序列集合。具有 3 个或更多级别行 MultiIndex (层级_1, ..., 层级_n, 时间) 的 pd.DataFrame

有关数据格式的更多详细信息，请参见 mtype 词汇表。有关用法，请参见变换器教程 examples/03_transformers.ipynb

y可选，sktime 兼容数据格式的数据，default=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
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

表中未列出的组合当前不支持

明确地，举例说明

• 如果 X 是 Series (例如，pd.DataFrame)

并且 transform-output 是 Series，则返回值为相同 mtype 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) 且 transform-output

是 Series，则返回值为 Panel，其实例数量与 X 相同（对每个输入 Series 实例应用变换器）。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 且 transform-output 是

Primitives，则返回值为 pd.DataFrame，其行数与 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 且 transform-output 是 Panel，

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

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

使用 X 更新变换器，可选地使用 y。

所需状态

要求状态为“拟合”。

访问 self 中的属性

• 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，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 或 2D)

• Panel scitype = 时间序列集合。具有 2 级行 MultiIndex (实例, 时间) 的 pd.DataFrame, 3D np.ndarray (实例, 变量, 时间), list 类型的 pd.DataFrame 列表

• Hierarchical scitype = 分层时间序列集合。具有 3 个或更多级别行 MultiIndex (层级_1, ..., 层级_n, 时间) 的 pd.DataFrame

有关数据格式的更多详细信息，请参见 mtype 词汇表。有关用法，请参见变换器教程 examples/03_transformers.ipynb

y可选，sktime 兼容数据格式的数据，default=None

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

返回:

self评估器的拟合实例