SlopeTransformer

class SlopeTransformer(num_intervals=8)

按段斜率变换。

一个对时间序列数据框执行斜率变换的类。它将时间序列分割成 num_intervals 个片段。然后，在每个片段内，执行全最小二乘回归以提取该片段的梯度。

参数：

num_intervalsint，大致相等片段的数量

将时间序列分割成的片段数量。

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])	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，然后对其进行变换。
get_class_tag(tag_name[, tag_value_default])	从类获取类标签值，并从父类继承标签级别。
get_class_tags()	从类获取类标签，并从父类继承标签级别。
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，并考虑标签级别的继承和覆盖。
get_tags()	从实例获取标签，并考虑标签级别的继承和覆盖。
get_test_params([parameter_set])	返回 skbase 对象的测试参数设置。
inverse_transform(X[, y])	对 X 执行逆变换并返回逆变换后的版本。
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。

check_is_fitted(method_name=None)

检查估计器是否已拟合。

检查 _is_fitted 属性是否存在且为 True。应在对象的 fit 方法调用中将 is_fitted 属性设置为 True。

如果不是，则引发 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。

引发：

NotFittedError

如果估计器尚未拟合。

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、处于初始化后状态的不同对象。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，使用 self 的参数，即 type(self)(**self.get_params(deep=False))。

如果在 self 上设置了配置，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())。

其值也等同于调用 self.reset，但 clone 返回一个新对象，而 reset 会修改 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)

从另一个对象克隆标签作为动态覆盖。

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改变的静态标志。

clone_tags 从另一个对象 estimator 设置动态标签覆盖。

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 clone_tags 方法。

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

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

当前标签值可以通过 get_tags 或 get_tag 检查。

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：

self

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_setstr，默认值=”default”

要返回的测试参数集的名称，用于测试。如果未为值定义特殊参数，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')

创建所有测试实例列表及其名称列表。

参数：

parameter_setstr，默认值=”default”

要返回的测试参数集的名称，用于测试。如果未为值定义特殊参数，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，命名约定是 {cls.__name__}-{i}，否则是 {cls.__name__}

fit(X, y=None)

将变换器拟合到 X，可选地拟合到 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，则将 X 记忆为 self._X，强制转换为 self.get_tag("X_inner_mtype")。

参数：

X符合 sktime 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)， 或 list 形式的 Series 类型 pd.DataFrame

• Hierarchical scitype = 分层时间序列集合。 具有 3 级或更多行 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，请参阅 mtype 词汇表。有关用法，请参阅变换器教程 examples/03_transformers.ipynb

y可选，符合 sktime 数据格式的数据，默认值=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，不可选。有关所需格式的详细信息，请参阅类文档字符串。

返回：

self估计器的拟合实例

fit_transform(X, y=None)

拟合数据，然后对其进行变换。

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 : 标志设置为 True。 _X : X，如果 remember_data 标签为 True，则为 X 的强制类型副本

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：

X符合 sktime 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 中的各种数据格式是所谓的 mtype 规范，每种 mtype 都实现了一个抽象的 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)， 或 list 形式的 Series 类型 pd.DataFrame

• Hierarchical scitype = 分层时间序列集合。 具有 3 级或更多行 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，请参阅 mtype 词汇表。有关用法，请参阅变换器教程 examples/03_transformers.ipynb

y可选，符合 sktime 数据格式的数据，默认值=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，不可选。有关所需格式的详细信息，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

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

具体示例

• 如果 X 是 Series 类型（例如，pd.DataFrame）

并且 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 类型（例如，pd-multiindex）并且 transform-output

是 Series，则返回是与 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：Panel 中的所有时间序列都被单独去趋势

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

Primitives，则返回是与 X 中实例数量相同行数的 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，并且 transform-output 是 Panel，

则返回是一个 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)

从类获取类标签值，并从父类继承标签级别。

每个兼容 scikit-base 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，它仅考虑类级别标签值和覆盖来检索标签值。

它返回对象中名称为 tag_name 的标签的值，按以下降序优先级考虑标签覆盖

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 在实例上定义的覆盖。

要检索可能带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_default任何类型

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，返回 tag_value_default。

classmethod get_class_tags()

从类获取类标签，并从父类继承标签级别。

每个兼容 scikit-base 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改变的静态标志。

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，按以下降序优先级覆盖

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。

要检索可能带有实例覆盖的标签，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 在实例上定义的覆盖。

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 设置的动态标签的覆盖。

get_config()

获取自身的配置标志。

Configs 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，它们覆盖默认配置。

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)

获取拟合参数。

所需状态

要求状态为“fitted”。

参数：

deepbool，默认值=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 类型参数）。

• 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带有 str 值键的 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，通过 get_param_names 获取的值是该键对应的拟合参数值，属于此对象

• 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 的所有参数以 paramname 及其值出现

• 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，如 __init__ 中所定义。

classmethod get_param_names(sort=True)

获取对象的参数名称。

参数：

sortbool，默认值=True

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

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__ 中出现的相同顺序。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，默认值=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，但不包括组件的参数。

返回：

params带有 str 值键的 dict

参数字典， paramname : paramvalue 键值对包括

• 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，值始终与构造时传递的值相同

• 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 的所有参数以 paramname 及其值出现

• 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，并考虑标签级别的继承和覆盖。

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改变的静态标志。

get_tag 方法从实例中检索名称为 tag_name 的单个标签的值，按以下降序优先级考虑标签覆盖

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

在实例构造时。

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_namestr

要检索的标签名称

tag_value_default任何类型，可选；默认值=None

如果找不到标签，则使用的默认/回退值

raise_errorbool

当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，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，并考虑标签级别的继承和覆盖。

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改变的静态标志。

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。

值是相应的标签值，按以下降序优先级覆盖

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

在实例构造时。

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_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，然后从 _tags_dynamic 对象属性收集任何覆盖和新标签。

classmethod get_test_params(parameter_set='default')

返回 skbase 对象的测试参数设置。

get_test_params 是一个统一的接口点，用于存储测试目的的参数设置。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 应返回一个 dict 或一个 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) 应该有效。

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。

参数：

parameter_setstr，默认值=”default”

要返回的测试参数集的名称，用于测试。如果未为值定义特殊参数，将返回 “default” 集。

返回：

paramsdict 或 dict 列表，默认值 = {}

用于创建类测试实例的参数。每个 dict 都是构造一个“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。

inverse_transform(X, y=None)

对 X 执行逆变换并返回逆变换后的版本。

目前假定只有带有标签的变换器

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

具有 inverse_transform 方法。

所需状态

要求状态为“fitted”。

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：

X符合 sktime 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)， 或 list 形式的 Series 类型 pd.DataFrame

• Hierarchical scitype = 分层时间序列集合。 具有 3 级或更多行 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，请参阅 mtype 词汇表。有关用法，请参阅变换器教程 examples/03_transformers.ipynb

y可选，符合 sktime 数据格式的数据，默认值=None

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

返回：

X 的逆变换版本

类型与 X 相同，并符合 mtype 格式规范

is_composite()

检查对象是否由其他 BaseObject 组成。

复合对象是一个包含其他对象作为参数的对象。此方法在实例上调用，因为不同实例可能有所不同。

返回：

composite: bool

对象是否有任何参数的值是 BaseObject 的派生实例。

property is_fitted

是否已调用 fit。

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

估计器是否已经过 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：

反序列化自身，结果输出到 path，内容为 cls.save(path) 的输出

classmethod load_from_serial(serial)

从序列化内存容器加载对象。

参数：

serial cls.save(None) 输出的第一个元素

返回：

反序列化自身，结果输出为 serial，内容为 cls.save(None) 的输出

reset()

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的状态，保留相同的超参数。通过 set_config 设置的配置值也会保留。

调用 reset 会删除所有对象属性，除了

• 超参数 = __init__ 的参数，这些参数被写入 self，例如 self.paramname，其中 paramname 是 __init__ 的一个参数

• 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 调用前后 get_config 的结果是相同的。

类方法和对象方法，以及类属性也不受影响。

等同于 clone，不同之处在于 reset 修改 self 本身，而不是返回一个新对象。

调用 self.reset() 后，self 在值和状态上与通过构造函数调用``type(self)(**self.get_params(deep=False))`` 获得的对象相同。

返回：

self

类实例被重置到初始化后的干净状态，但保留当前的超参数值。

save(path=None, serialization_format=None)

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，则返回一个内存中的序列化自身；如果 path 是文件位置，则将自身存储在该位置作为 zip 文件

保存的文件是 zip 文件，包含以下内容：_metadata - 包含自身的类，即 type(self)；_obj - 序列化的自身。此类别使用默认的序列化方式 (pickle)。

参数：

path None 或文件位置 (str 或 Path)

如果为 None，则将自身保存到内存对象中；如果为文件位置，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 (cwd) 创建一个 zip 文件 estimator.zip。

• path=”/home/stored/estimator”，则会在

存储在 /home/stored/。

serialization_format: str, 默认值 = “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可选依赖项。

返回：

如果 path 为 None - 内存中的序列化自身

如果 path 是文件位置 - 包含文件引用的 ZipFile

set_config(**config_dict)

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。有效的配置、值及其含义如下所列

display str，“diagram”（默认）或“text”

jupyter kernel 如何显示自身实例

• “diagram” = html 框图表示

• “text” = 字符串输出

print_changed_only bool, 默认值=True

打印自身时是否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)。不进行嵌套，即只影响自身而不影响组件估计器。

warnings str，“on”（默认）或“off”

是否引发警告，只影响来自 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 str，可选，默认值=”None”

广播/向量化时用于并行化的后端，以下之一：

• “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:params dict，可选，默认值={}（不传递参数）

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”：没有附加参数，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，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。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 有效键的字典

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

    关闭。

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

  • “mute_warnings”：bool，默认值=False；如果为 True，则禁止警告。

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

控制 _fit、_transform、_inverse_transform、_update 的输入检查和转换

• "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 str，“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 - 输出转换为指定的 mtype

返回：

self 指向自身的引用。

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)

设置此对象的参数。

该方法适用于简单的 skbase 对象和复合对象。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），以访问组件 <component> 中的 <parameter>。如果引用是明确的（例如，没有两个组件参数具有相同的名称 <parameter>），也可以使用不带 <component>__ 的字符串 <parameter>。

参数：

**params dict

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 指向自身的引用（设置参数后）

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，并使用 set_params 将它们设置为从 random_state 派生的整数。这些整数是通过 sample_dependent_seed 通过链式哈希抽样的，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 时应用于剩余的组件对象。

注意：即使 self 没有 random_state 参数，或者任何组件都没有 random_state 参数，也会调用 set_params。因此，set_random_state 将重置任何 scikit-base 对象，即使是没有 random_state 参数的对象。

参数：

random_state int, RandomState 实例或 None, 默认值=None

伪随机数生成器，用于控制随机整数的生成。传入 int 可确保多次函数调用输出可重现。

deepbool，默认值=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，则仅设置 self 的 random_state 参数（如果存在）。

• 如果为 True，则也会设置组件对象中的 random_state 参数。

self_policy str，{“copy”, “keep”, “new”} 之一，默认值=”copy”

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

• “keep” : self.random_state 保持原样

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

它派生自输入的 random_state，并且通常与它不同。

返回：

self 指向自身的引用

set_tags(**tag_dict)

将实例级标签覆盖设置为给定值。

每个兼容 scikit-base 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，它们是静态标志，在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，字典值是要将标签设置的值。

set_tags 方法应仅在对象的 __init__ 方法中调用（在构建期间），或在通过 __init__ 构建后直接调用。

当前标签值可以通过 get_tags 或 get_tag 检查。

参数：

**tag_dict dict

标签名称：标签值对的字典。

返回：

Self

指向自身的引用。

transform(X, y=None)

变换 X 并返回变换后的版本。

所需状态

要求状态为“fitted”。

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：

X符合 sktime 数据容器格式的时间序列

要转换的数据。

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)， 或 list 形式的 Series 类型 pd.DataFrame

• Hierarchical scitype = 分层时间序列集合。 具有 3 级或更多行 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，请参阅 mtype 词汇表。有关用法，请参阅变换器教程 examples/03_transformers.ipynb

y可选，符合 sktime 数据格式的数据，默认值=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

具体示例

• 如果 X 是 Series 类型（例如，pd.DataFrame）

并且 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 类型（例如，pd-multiindex）并且 transform-output

是 Series，则返回是与 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：Panel 中的所有时间序列都被单独去趋势

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

Primitives，则返回是与 X 中实例数量相同行数的 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，并且 transform-output 是 Panel，

则返回是一个 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)

使用 X（可选 y）更新变换器。

所需状态

要求状态为“fitted”。

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 X 中的值更新并写入 self._X。

参数：

X符合 sktime 数据容器格式的时间序列

用于更新转换的数据

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)， 或 list 形式的 Series 类型 pd.DataFrame

• Hierarchical scitype = 分层时间序列集合。 具有 3 级或更多行 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，请参阅 mtype 词汇表。有关用法，请参阅变换器教程 examples/03_transformers.ipynb

y可选，符合 sktime 数据格式的数据，默认值=None

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

返回：

self估计器的拟合实例