DerivativeSlopeTransformer

class DerivativeSlopeTransformer

导数斜率转换器。

属性::

is_fitted

是否已调用 fit 方法。

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])	创建所有测试实例的列表及其名称列表。
fit(X[, y])	拟合转换器到 X，可选地到 y。
fit_transform(X[, y])	拟合数据，然后对其进行转换。
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()	获取自对象的配置标志。
get_fitted_params([deep])	获取已拟合的参数。
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 skbase 对象的测试参数设置。
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 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()	将对象重置为干净的初始化后状态。
row_wise_get_der(X)	获取导数。
save([path, serialization_format])	将序列化的自对象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, ...])	为自对象设置 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 (可选 y) 更新转换器。

static row_wise_get_der(X)

获取导数。

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。is_fitted 属性应在调用对象的 fit 方法时设置为 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 self 的 sklearn.clone。

等效于构造一个 type(self) 的新实例，参数与 self 相同，即 type(self)(**self.get_params(deep=False))。

如果在 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，但 clone 返回一个新对象，而 reset 会改变 self。

引发::

RuntimeError 如果克隆因 __init__ 错误而不符合规范。

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。

clone_tags 从另一个对象 estimator 设置动态标签覆盖。

clone_tags 方法应仅在对象的 __init__ 方法中，在构建期间，或通过 __init__ 直接调用后调用。

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

tag_names 的默认值会将 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 str 列表, 默认 = 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=”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使用默认参数的类实例

classmethod create_test_instances_and_names(parameter_set='default')#

创建所有测试实例的列表及其名称列表。

参数::

parameter_setstr, 默认=”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, 与 objs 长度相同

第 i 个元素是测试中第 i 个 obj 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__}。

fit(X, y=None)#

拟合转换器到 X，可选地到 y。

状态改变

将状态更改为“拟合”。

写入自对象

• 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 记住为 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

要拟合转换器的数据。

sktime 中的各个数据格式称为 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。pd.DataFrame 带有 2 级行 MultiIndex (instance, time), 3D np.ndarray (instance, variable, time), list of Series 类型 pd.DataFrame

• Hierarchical scitype = 时间序列的分层集合。pd.DataFrame 带有 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 的词汇表。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=None

附加数据，例如用于转换的标签。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。

返回::

self估计器的已拟合实例

fit_transform(X, y=None)#

拟合数据，然后对其进行转换。

将转换器拟合到 X 和 y 并返回 X 的转换版本。

状态改变

将状态更改为“拟合”。

写入自对象: _is_fitted : 标志设置为 True。_X : X 的强制复制，如果 remember_data 标签为 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

用于拟合转换器的数据，以及要转换的数据。

sktime 中的各个数据格式称为 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。pd.DataFrame 带有 2 级行 MultiIndex (instance, time), 3D np.ndarray (instance, variable, time), list of Series 类型 pd.DataFrame

• Hierarchical scitype = 时间序列的分层集合。pd.DataFrame 带有 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 的词汇表。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=None

附加数据，例如用于转换的标签。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。

返回::

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

表格中未列出的组合目前不支持

明确说明，附带示例

• 如果 X 是 Series (例如, pd.DataFrame)

且 transform-output 是 Series，则返回是一个相同 mtype 的 Series。示例：对单个序列进行去趋势处理

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

是 Series，则返回是一个实例数与 X 相同（转换器应用于每个输入的 Series 实例）的 Panel。示例：Panel 中的所有序列都被单独去趋势处理

• 如果 X 是 Series 或 Panel 且 transform-output 是

Primitives，则返回是一个 pd.DataFrame，行数与 X 中的实例数相同。示例：返回值的第 i 行是第 i 个序列的均值和方差

• 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 个实例是在 X 上运行的第 i 个窗口

classmethod get_class_tag(tag_name, tag_value_default=None)#

从类中获取类标签值，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，它检索标签的值，仅考虑类级别的标签值和覆盖。

它从对象中返回名称为 tag_name 的标签值，考虑标签覆盖，按以下优先级降序排列

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。

不考虑在实例上设置的动态标签覆盖，即通过 set_tags 或 clone_tags 在实例上定义的覆盖。

要检索包含潜在实例覆盖的标签值，请改用 get_tag 方法。

参数::

tag_namestr

标签值名称。

tag_value_default任何类型

未找到标签时的默认/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()#

从类中获取类标签，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。

get_class_tags 方法是一个类方法，它检索标签的值，仅考虑类级别的标签值和覆盖。

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，覆盖按以下优先级降序排列

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。

要检索包含潜在实例覆盖的标签，请改用 get_tags 方法。

不考虑在实例上设置的动态标签覆盖，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 设置的动态标签覆盖。

get_config()#

获取自对象的配置标志。

配置是 self 的键值对，通常用作控制行为的临时标志。

get_config 返回动态配置，这些配置覆盖默认配置。

默认配置在类或其父类的类属性 _config 中设置，并通过 set_config 设置的动态配置进行覆盖。

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，然后是来自 _onfig_dynamic 对象属性的任何覆盖和新标签。

get_fitted_params(deep=True)#

获取已拟合的参数。

所需状态

要求状态为“拟合”。

参数::

deepbool, 默认=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 (= BaseEstimator 类型参数) 的拟合参数。

• 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 类型的 dict

拟合参数字典，paramname : paramvalue 键值对包括

• 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，也包含组件参数的键/值对 组件的参数索引为 [componentname]__[paramname] componentname 的所有参数以 paramname 及其值形式出现

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

classmethod get_param_defaults()#

获取对象的参数默认值。

返回::

default_dict: dict[str, Any]

键是 cls 在 __init__ 中定义了默认值的所有参数。值是 __init__ 中定义的默认值。

classmethod get_param_names(sort=True)#

获取对象的参数名称。

参数::

sortbool, 默认=True

是否按字母顺序返回参数名称 (True)，或按它们在类 __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，则按它们在类 __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)#

获取此对象的参数值字典。

参数::

deepbool, 默认=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 (= BaseObject 值参数) 的参数。

• 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 类型的 dict

参数字典，paramname : paramvalue 键值对包括

• 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，也包含组件参数的键/值对 组件的参数索引为 [componentname]__[paramname] componentname 的所有参数以 paramname 及其值形式出现

• 如果 deep=True，也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。

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

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

在实例构建时。

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=None

未找到标签时的默认/回退值

raise_errorbool

未找到标签时是否引发 ValueError

返回::

tag_valueAny

self 中 tag_name 标签的值。如果未找到，如果 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，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。

get_tags 方法返回标签字典，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，覆盖按以下优先级降序排列

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

在实例构建时。

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，然后是来自 _tags_dynamic 对象属性的任何覆盖和新标签。

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 应该返回一个 dict，或一个 dict 的 list。

每个 dict 是一个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参数设置。

参数::

parameter_setstr, 默认=”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 = {}

用于创建类的测试实例的参数。每个 dict 是用于构造“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。

inverse_transform(X, y=None)#

逆转换 X 并返回逆转换后的版本。

目前假定只有带有以下标签的转换器

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

才具有 inverse_transform。

所需状态

要求状态为“拟合”。

访问自对象中的内容

• 以“_”结尾的已拟合模型属性。

• self.is_fitted, 必须为 True

参数::

Xsktime 兼容数据容器格式的时间序列

要拟合转换器的数据。

sktime 中的各个数据格式称为 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。pd.DataFrame 带有 2 级行 MultiIndex (instance, time), 3D np.ndarray (instance, variable, time), list of Series 类型 pd.DataFrame

• Hierarchical scitype = 时间序列的分层集合。pd.DataFrame 带有 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 的词汇表。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=None

附加数据，例如用于转换的标签。某些转换器需要此项，详细信息请参阅类文档字符串。

返回::

X 的逆转换版本

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

对象是否有任何参数，其值是 BaseObject 的后代实例。

property is_fitted#

是否已调用 fit 方法。

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。

返回::

bool

估计器是否已 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::

将 cls.save(path) 在 path 位置输出的自对象进行反序列化

classmethod 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::

将 cls.save(None) 输出的 serial 进行反序列化以获得自对象

reset()#

将对象重置为干净的初始化后状态。

结果是将 self 设置为构造函数调用后立即处于的状态，具有相同的超参数。通过 set_config 设置的配置值也会保留。

reset 调用会删除任何对象属性，除了

• 超参数 = __init__ 的参数，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，名为“__myattr”的属性会保留。

• 配置属性，配置保持不变。reset 前后 get_config 的结果相等。

类和对象方法以及类属性也不受影响。

等效于 clone，但 reset 改变 self 而非返回一个新对象。

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

返回::

self

类实例重置为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')#

将序列化的自对象保存到字节类对象或 (.zip) 文件。

行为: 如果 path 为 None，返回内存中的序列化自对象 如果 path 是文件位置，将自对象作为 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 - 包含自对象的类，即 type(self) _obj - 序列化的自对象。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，自对象保存到内存对象。如果为文件位置，自对象保存到该文件位置。如果

• path=”estimator”，则会在当前工作目录下创建一个 zip 文件 estimator.zip。

• path=”/home/stored/estimator”，则会在 /home/stored/ 中存储一个 zip 文件 estimator.zip。

serialization_format: str, 默认 = “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 - 内存中的序列化自对象

返回::

如果 path 是文件位置 - 包含文件引用的 ZipFile

set_config(**config_dict)#

配置名称 : 配置值 对的字典。下面列出了有效的配置、值及其含义。

将配置标志设置为给定值。

参数::

config_dictdict

displaystr, “diagram” (默认), 或 “text”

jupyter 内核如何显示自对象实例

“diagram” = html 框图表示

• “text” = 字符串打印输出

• print_changed_onlybool, 默认=True

打印自对象时是仅列出自对象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)。不嵌套，即仅影响自对象而不影响组件估计器。

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” = 不发出来自 sktime 的警告

• backend:parallelstr, 可选, 默认=”None”

广播/矢量化时用于并行化的后端，可选值之一

“None”: 顺序执行循环，简单的列表推导

• “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

• “ray”: 使用 ray，要求环境中存在 ray 包

backend:parallel:params字典，可选，默认={}（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”: 无附加参数，backend_params 被忽略

• “loky”、“multiprocessing” 和 “threading”：默认的 joblib 后端。可以传递 joblib.Parallel 的任何有效键，例如 n_jobs，但 backend 除外，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。可以传递 joblib.Parallel 的任何有效键，例如 n_jobs，在此情况下，backend 必须作为 backend_params 的一个键传递。如果未传递 n_jobs，则默认为 -1，其他参数默认为 joblib 默认值。

• “dask”：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”：布尔值，默认=True；False 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，“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_conversion字符串，“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 self 的引用。

注意

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），以访问组件 <component> 中的 <parameter>。如果引用是明确的（例如，没有两个组件参数的名称为 <parameter>），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指向 self 的引用（参数设置后）

set_random_state(random_state=None, deep=True, self_policy='copy')

为自对象设置 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 将其设置为从 random_state 导出的整数。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_state整数，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。传递整数以在多次函数调用中获得可重现的输出。

deepbool, 默认=True

是否设置 skbase 对象值参数中的随机状态，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，则也会设置组件对象中的 random_state 参数。

self_policy字符串，“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 设置为新的随机状态，

从输入的 random_state 导出，并且通常与它不同

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

可以使用 get_tags 或 get_tag 检查当前标签值。

参数::

**tag_dict字典

标签名称: 标签值 对的字典。

返回::

Self

指向 self 的引用。

transform(X, y=None)

转换 X 并返回转换后的版本。

所需状态

要求状态为“拟合”。

访问自对象中的内容

• 以“_”结尾的已拟合模型属性。

• 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 中的各个数据格式称为 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。pd.DataFrame 带有 2 级行 MultiIndex (instance, time), 3D np.ndarray (instance, variable, time), list of Series 类型 pd.DataFrame

• Hierarchical scitype = 时间序列的分层集合。pd.DataFrame 带有 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 的词汇表。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=None

附加数据，例如用于转换的标签。某些转换器需要此项，详细信息请参阅类文档字符串。

返回::

X 的转换版本

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

表格中未列出的组合目前不支持

明确说明，附带示例

• 如果 X 是 Series (例如, pd.DataFrame)

且 transform-output 是 Series，则返回是一个相同 mtype 的 Series。示例：对单个序列进行去趋势处理

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

是 Series，则返回是一个实例数与 X 相同（转换器应用于每个输入的 Series 实例）的 Panel。示例：Panel 中的所有序列都被单独去趋势处理

• 如果 X 是 Series 或 Panel 且 transform-output 是

Primitives，则返回是一个 pd.DataFrame，行数与 X 中的实例数相同。示例：返回值的第 i 行是第 i 个序列的均值和方差

• 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) 更新转换器。

所需状态

要求状态为“拟合”。

访问自对象中的内容

• 以“_”结尾的已拟合模型属性。

• self.is_fitted, 必须为 True

写入自对象

• 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 X 中的值写入并更新到 self._X。

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 中的各个数据格式称为 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。pd.DataFrame 带有 2 级行 MultiIndex (instance, time), 3D np.ndarray (instance, variable, time), list of Series 类型 pd.DataFrame

• Hierarchical scitype = 时间序列的分层集合。pd.DataFrame 带有 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 的词汇表。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=None

附加数据，例如用于转换的标签。某些转换器需要此项，详细信息请参阅类文档字符串。

返回::

self估计器的已拟合实例