RandomIntervalFeatureExtractor

class RandomIntervalFeatureExtractor(n_intervals='sqrt', min_length=None, max_length=None, features=None, random_state=None)

随机区间特征提取器转换。

将时间序列分割成随机区间，并随后提取每个区间的序列到原始特征的转换器。

n_intervals: str{‘sqrt’, ‘log’, ‘random’}, int 或 float, 可选 (默认为 ‘sqrt’)

要生成的随机区间数，其中 m 是时间序列的长度： - 如果为 “log”，使用 m 的对数。 - 如果为 “sqrt”，使用 m 的平方根。 - 如果为 “random”，生成随机数量的区间。 - 如果为 int，生成 n_intervals 个区间。 - 如果为 float，使用 int(n_intervals * m)，其中 n_intervals 表示时间序列长度的区间比例。

对于所有与时间序列长度相关的参数，生成的区间数始终至少为 1。

features: 函数列表, 可选 (默认为 None)

对随机区间应用每个函数以提取特征。如果为 None，则提取均值。

random_state:int, RandomState 实例, 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，则随机数生成器是使用的 RandomState 实例

由 np.random 提供。

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的克隆。
clone_tags(estimator[, tag_names])	作为动态覆盖从另一个对象克隆标签。
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])	将转换器拟合到 X，可选地拟合到 y。
fit_transform(X[, y])	拟合数据，然后对其进行转换。
get_class_tag(tag_name[, tag_value_default])	从类中获取类标签值，并考虑从父类继承的标签级别。
get_class_tags()	从类中获取类标签集，并考虑从父类继承的标签级别。
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，并考虑标签级别继承和覆盖。
get_tags()	从实例获取标签集，并考虑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 BaseObject 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。
save([path, serialization_format])	将序列化的 self 保存到类字节对象或 (.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])	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)

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，则引发 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。

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。

克隆是具有不同引用的另一个对象，处于初始化后状态。此函数等同于返回 sklearn.clone(self)。

等同于使用 self 的参数构造 type(self) 的新实例，即 type(self)(**self.get_params(deep=False))。

如果已在 self 上设置配置，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，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:

如果克隆不符合规范（由于 __init__ 错误），则引发 RuntimeError。

clone_tags(estimator, tag_names=None)

作为动态覆盖从另一个对象克隆标签。

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，它们是对象构造后不会更改的静态标志。

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、构造期间或通过 __init__ 构造后直接调用。

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

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

当前标签值可通过 get_tags 或 get_tag 检查。

参数:

estimator:class:BaseObject 或派生类的实例

tag_namesstr 或 list of 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

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, 默认为“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，则将返回 “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')

创建所有测试实例的列表及其名称列表。

参数:

parameter_setstr, 默认为“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，则将返回 “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 objs 中第 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)

将转换器拟合到 X，可选地拟合到 y。

状态改变

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 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

用于拟合转换的数据。

sktime 中的个体数据格式是所谓的 mtype 规范，每个 mtype 都实现了抽象的 scitype。

• Series scitype = 个体时间序列。 pd.DataFrame, pd.Series 或 np.ndarray (1维 或 2维)

• 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 Series 类型 pd.DataFrame 的 list

• Hierarchical scitype = 分层时间序列集合。 具有 3 级或更多级别行 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 的术语表。有关用法，请参见转换器教程 examples/03_transformers.ipynb。

y可选，sktime 兼容数据格式的数据，默认为 None

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 中传入，而不是可选的。有关所需格式的详细信息，请参见类文档字符串。

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，并返回转换后的 X 版本。

状态改变

将状态更改为“已拟合”。

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

如果可能，可能会强制转换为内部类型或通过引用转换为 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

用于拟合转换和转换的数据。

sktime 中的个体数据格式是所谓的 mtype 规范，每个 mtype 都实现了抽象的 scitype。

• Series scitype = 个体时间序列。 pd.DataFrame, pd.Series 或 np.ndarray (1维 或 2维)

• 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 Series 类型 pd.DataFrame 的 list

• Hierarchical scitype = 分层时间序列集合。 具有 3 级或更多级别行 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 的术语表。有关用法，请参见转换器教程 examples/03_transformers.ipynb。

y可选，sktime 兼容数据格式的数据，默认为 None

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 中传入，而不是可选的。有关所需格式的详细信息，请参见类文档字符串。

返回:

转换后的 X 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)

并且 transform-output 是 Series，则返回的是相同 mtype 的单个 Series。示例：对单个时间序列进行去趋势处理

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

是 Series，则返回的是与 X 实例数量相同的 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分别进行去趋势处理

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

Primitives，则返回的是 pd.DataFrame，其行数与 X 中的实例数相同。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，

则返回的是一个 Panel 对象，类型为 pd-multiindex。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，并考虑从父类继承的标签级别。

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 方法是一个类方法，仅考虑类级别的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，优先级递减顺序如下：

1. 在类的 _tags 属性中设置的标签。

2. 在父类 _tags 属性中设置的标签，

按继承顺序排列。

不考虑在实例上通过 set_tags 或 clone_tags 设置的动态标签覆盖。

要检索带有潜在实例覆盖的标签值，请改用 get_tag 方法。

参数:

tag_namestr

标签名称。

tag_value_default任意类型

如果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()

从类中获取类标签集，并考虑从父类继承的标签级别。

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，它们是对象构造后不会更改的静态标志。

get_class_tags 方法是一个类方法，仅考虑类级别的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 _tags 属性的任何属性的键。

值是对应的标签值，覆盖优先级递减顺序如下：

1. 在类的 _tags 属性中设置的标签。

2. 在父类 _tags 属性中设置的标签，

按继承顺序排列。

实例可以根据超参数覆盖这些标签。

要检索带有潜在实例覆盖的标签，请改用 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。不受通过 set_tags 或 clone_tags 设置的动态标签覆盖。

get_config()

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，并被通过 set_config 设置的动态配置覆盖。

配置在 clone 或 reset 调用中保留。

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)

获取已拟合参数。

所需状态

要求状态为“已拟合”。

参数:

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 : 值字典，包括可拟合组件（= BaseEstimator 值的参数）的已拟合参数。

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

返回:

fitted_params键为 str 类型的 dict

已拟合参数的字典，键值对为 paramname : paramvalue 包括

• 始终：此对象的所有已拟合参数，如通过 get_param_names 获取的值为此对象该键的已拟合参数值

• 如果 deep=True，也包含组件参数的键/值对 组件参数索引为 [componentname]__[paramname] componentname 的所有参数以 paramname 及其值出现

• 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, 默认为 True

是否按字母顺序返回参数名称 (True)，或按其在类 __init__ 中出现的顺序返回 (False)。

返回:

param_names: list[str]

cls 参数名称列表。如果 sort=False，则按其在类 __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, 默认为 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 值的参数）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 类型的 dict

参数字典，键值对为 paramname : paramvalue 包括

• 始终：此对象的所有参数，如通过 get_param_names 获取的值为此对象该键的参数值，值始终与构造时传入的值相同

• 如果 deep=True，也包含组件参数的键/值对 组件参数索引为 [componentname]__[paramname] componentname 的所有参数以 paramname 及其值出现

• 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，并考虑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，它们是对象构造后不会更改的静态标志。

get_tag 方法从实例中检索名称为 tag_name 的单个标签值，考虑标签覆盖，优先级递减顺序如下：

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

在实例构造时设置。

2. 在类的 _tags 属性中设置的标签。

3. 在父类 _tags 属性中设置的标签，

按继承顺序排列。

参数:

tag_namestr

要检索的标签名称

tag_value_default任意类型, 可选; 默认为 None

如果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，若 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()

从实例获取标签集，并考虑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，它们是对象构造后不会更改的静态标志。

get_tags 方法返回一个标签字典，其键是类或其任何父类中 _tags 属性的任何属性的键，或通过 set_tags 或 clone_tags 设置的标签。

值是对应的标签值，覆盖优先级递减顺序如下：

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

在实例构造时设置。

2. 在类的 _tags 属性中设置的标签。

3. 在父类 _tags 属性中设置的标签，

按继承顺序排列。

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 应返回一个 dict，或一个 dict 的 list。

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。调用 cls(**params) 对于 get_test_params 返回中的所有字典 params 都应有效。

get_test_params 不必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, 默认为“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，则将返回 “default” 集。

返回:

paramsdict 或 list of dict, 默认为 {}

用于创建类的测试实例的参数 每个 dict 都是用于构造“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（或唯一的）字典

inverse_transform(X, y=None)

对 X 进行逆转换并返回逆转换后的版本。

目前假定只有带有标签

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

的转换器具有 inverse_transform。

所需状态

要求状态为“已拟合”。

访问 self 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

用于拟合转换的数据。

sktime 中的个体数据格式是所谓的 mtype 规范，每个 mtype 都实现了抽象的 scitype。

• Series scitype = 个体时间序列。 pd.DataFrame, pd.Series 或 np.ndarray (1维 或 2维)

• 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 Series 类型 pd.DataFrame 的 list

• Hierarchical scitype = 分层时间序列集合。 具有 3 级或更多级别行 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 的术语表。有关用法，请参见转换器教程 examples/03_transformers.ipynb。

y可选，sktime 兼容数据格式的数据，默认为 None

附加数据，例如用于转换的标签。一些转换器需要此项，详情请参见类文档字符串。

返回:

逆转换后的 X 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 BaseObject 组成。

组合对象是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，其值为 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 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 self，结果是 cls.save(path) 的输出在 path 位置

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:

反序列化 self，结果是 cls.save(None) 的输出 serial

reset()

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后立即拥有的状态，具有相同的超参数。通过 set_config 设置的配置值也保留。

一个 reset 调用删除任何对象属性，除了

• 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（即字符串“__”）的对象属性。例如，名为“__myattr”的属性被保留。

• 配置属性，配置保持不变。也就是说，在 reset 前后 get_config 的结果是相等的。

类和对象方法，以及类属性也不受影响。

等同于 clone，不同之处在于 reset 修改 self 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，但保留当前的超参数值。

save(path=None, serialization_format='pickle')

将序列化的 self 保存到类字节对象或 (.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，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方法 (pickle)。

参数:

pathNone 或文件位置 (str 或 Path)

如果为 None，self 保存到内存对象；如果为文件位置，self 保存到该文件位置。如果

• path=”estimator”，则将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, 默认为 “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 - 指向文件的 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

print_changed_onlybool, 默认为 True

打印 self 时是仅列出自默认值不同的 self 参数 (True)，还是列出所有参数名称和值 (False)。不嵌套，即仅影响 self，不影响组件估计器。

warningsstr，“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” = 不会引发来自 sktime 的警告

backend:parallelstr, 可选, 默认为“None”

用于并行化广播/向量化的后端，以下之一

• “None”: 顺序执行循环，简单列表推导

• “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:paramsdict, 可选, 默认为 {} (未传递参数)

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，backend_params 被忽略

• “loky”、“multiprocessing”和“threading”: 默认的 joblib 后端 可以在此处传递 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，其他参数将默认为 joblib 默认值。

• “joblib”: 自定义和第三方 joblib 后端，例如 spark。可以在此处传递 joblib.Parallel 的任何有效键，例如 n_jobs，在这种情况下必须将 backend 作为 backend_params 的键传递。如果未传递 n_jobs，则默认为 -1，其他参数将默认为 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”: bool, 默认为 True；False 防止 ray 在并行化后关闭。

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

  • “mute_warnings”: bool, 默认为 False；如果为 True，则抑制警告

  • “mute_warnings”: bool, 默认为 False；如果为 True，则抑制警告

input_conversionstr，“on”（默认）、“off”或有效 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 mtype 字符串 - 假定输入为指定的 mtype，执行转换但不检查

output_conversionstr，“on”、“off”、有效 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 mtype 字符串 - 输出转换为指定的 mtype

返回:

selfself 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)

设置此对象的参数。

此方法适用于简单的 skbase 对象以及组合对象。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，没有两个组件参数同名为 <parameter>），也可以使用不带 <component>__ 的字符串 <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:

selfself 的引用（设置参数后）

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

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 通过 sample_dependent_seed 派生的整数。这些整数通过链式哈希进行采样，并保证种子随机生成器的伪随机独立性。

适用于 self 中的 random_state 参数（取决于 self_policy）以及剩余的组件对象（当且仅当 deep=True 时）。

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_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。传递整数可在多次函数调用中获得可复现的输出。

deepbool, 默认为 True

是否在值为 skbase 对象的参数（即组件估计器）中设置随机状态。

• 如果为 False，将仅设置 self 的 random_state 参数（如果存在）。

• 如果为 True，还将设置组件对象中的 random_state 参数。

self_policystr, {“copy”, “keep”, “new”} 之一, 默认=”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 被设置为一个新的随机状态，

源自输入的 random_state，通常与之不同

返回:

self对 self 的引用

set_tags(**tag_dict)

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，它们是对象构建后不会改变的静态标志。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，字典值是要设置的标签值。

方法 set_tags 应仅在对象构建期间的 __init__ 方法中调用，或在构建后直接通过 __init__ 调用。

当前标签值可通过 get_tags 或 get_tag 检查。

参数:

**tag_dictdict

标签名:标签值对的字典。

返回:

Self

对 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“已拟合”。

访问 self 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 中的个体数据格式是所谓的 mtype 规范，每个 mtype 都实现了抽象的 scitype。

• Series scitype = 个体时间序列。 pd.DataFrame, pd.Series 或 np.ndarray (1维 或 2维)

• 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 Series 类型 pd.DataFrame 的 list

• Hierarchical scitype = 分层时间序列集合。 具有 3 级或更多级别行 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 的术语表。有关用法，请参见转换器教程 examples/03_transformers.ipynb。

y可选，sktime 兼容数据格式的数据，默认为 None

附加数据，例如用于转换的标签。一些转换器需要此项，详情请参见类文档字符串。

返回:

转换后的 X 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

表中未列出的组合目前不受支持

明确说明，带示例

• 如果 X 是 Series (例如，pd.DataFrame)

并且 transform-output 是 Series，则返回的是相同 mtype 的单个 Series。示例：对单个时间序列进行去趋势处理

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

是 Series，则返回的是与 X 实例数量相同的 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分别进行去趋势处理

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

Primitives，则返回的是 pd.DataFrame，其行数与 X 中的实例数相同。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，

则返回的是一个 Panel 对象，类型为 pd-multiindex。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 更新转换器，可选地使用 y。

所需状态

要求状态为“已拟合”。

访问 self 中的内容

• 以“_”结尾的已拟合模型属性。

• self.is_fitted, 必须为 True

写入 self

• 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 中的值更新到 self._X 中。

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 都实现了抽象的 scitype。

• Series scitype = 个体时间序列。 pd.DataFrame, pd.Series 或 np.ndarray (1维 或 2维)

• 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 Series 类型 pd.DataFrame 的 list

• Hierarchical scitype = 分层时间序列集合。 具有 3 级或更多级别行 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 的术语表。有关用法，请参见转换器教程 examples/03_transformers.ipynb。

y可选，sktime 兼容数据格式的数据，默认为 None

附加数据，例如用于转换的标签。一些转换器需要此项，详情请参见类文档字符串。

返回:

self估计器的已拟合实例