AutoCorrelationTransformer#

class AutoCorrelationTransformer(adjusted=False, n_lags=None, fft=False, missing='none')[source]#

自相关转换器。

自相关函数衡量时间序列与其自身在不同滞后下的相关性。AutoCorrelationTransformer 为每个滞后返回这些值作为序列，直至指定的 n_lags。

参数：

adjustedbool, 默认值=False

如果为 True，则自协方差的分母为 n-k，否则为 n。

n_lagsint, 默认值=None

返回自相关的滞后数量。如果为 None，则 statsmodels acf 函数使用 min(10 * np.log10(nobs), nobs - 1)。

fftbool, 默认值=False

如果为 True，通过 FFT 计算 ACF。

missing{“none”, “raise”, “conservative”, “drop”}, 默认值=”none”

在计算自相关函数时如何处理缺失值。

“none” 不执行任何检查或处理缺失值
“raise” 如果发现 NaN 值则引发异常。
“drop” 移除缺失观测值，然后将非缺失部分视为连续，估计自协方差。
“conservative” 使用 nan-ops 计算自协方差，以便在计算用于估计自协方差的均值和交叉乘积时移除 nan。计算中的 “n” 设置为非缺失观测值的数量。

属性：

is_fitted: 是否已调用 fit。

另请参阅

PartialAutoCorrelationTransformer

说明

提供 statsmodels acf 函数的包装器。

示例

>>> from sktime.transformations.series.acf import AutoCorrelationTransformer
>>> from sktime.datasets import load_airline
>>> y = load_airline()  
>>> transformer = AutoCorrelationTransformer(n_lags=12)  
>>> y_hat = transformer.fit_transform(y)  

方法

`check_is_fitted`([method_name])	检查评估器是否已拟合。
`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 self 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])	返回评估器的测试参数设置。
`inverse_transform`(X[, y])	对 X 执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 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])	将序列化后的 self 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 self 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 更新转换器，可选地使用 y。

classmethod get_test_params(parameter_set='default')[source]#

返回评估器的测试参数设置。

参数：

parameter_setstr, 默认值=”default”: 要返回的测试参数集的名称，用于测试。如果未为某个值定义特殊参数，则将返回 "default" 集。

返回：

paramsdict 或 dict 列表, 默认值 = {}: 用于创建类的测试实例的参数。每个 dict 都是构造一个“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)[source]#

检查评估器是否已拟合。

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: 如果评估器尚未拟合。

clone()[source]#

获取具有相同超参数和配置的对象的克隆。

克隆是另一个没有共享引用、处于初始化后状态的对象。此函数等同于返回 self 的 sklearn.clone。

等同于构造 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，而不是像 reset 那样改变 self。

引发：

如果由于 __init__ 故障导致克隆不符合要求，则引发 RuntimeError。

clone_tags(estimator, tag_names=None)[source]#

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。

clone_tags 方法应仅在对象的 __init__ 方法中调用，即在构造期间或通过 __init__ 构造后直接调用。

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

tag_names 的默认设置将 estimator 中的所有标签写入 self。

当前标签值可以通过 get_tags 或 get_tag 进行检查。

参数：

estimatorBaseObject 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: 对 self 的引用。

classmethod create_test_instance(parameter_set='default')[source]#

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具有默认参数的类实例

classmethod create_test_instances_and_names(parameter_set='default')[source]#

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，与 objs 长度相同: 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)[source]#

将转换器拟合到 X，可选地拟合到 y。

状态变化: 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：

X`sktime` 兼容数据容器格式的时间序列

用于拟合和转换的数据。

`sktime` 中的个体数据格式称为 mtype 规范，每个 mtype 实现一个抽象 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 (instance, time) 的 pd.DataFrame，3D np.ndarray (instance, variable, time)，Series 类型 pd.DataFrame 的 list
Hierarchical scitype = 分层时间序列集合。具有 3 级或更多行 MultiIndex (hierarchy_1, ..., hierarchy_n, time) 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，请参阅转换器教程 examples/03_transformers.ipynb

y可选，`sktime` 兼容数据格式的数据，默认值=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了解详细信息。

返回：

self评估器的已拟合实例

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

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。

状态变化: 将状态更改为“已拟合”。

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

如果可能，可能会被强制转换为内部类型或与 update_data 兼容的引用类型

模型属性（以“_”结尾）：取决于评估器

参数：

X`sktime` 兼容数据容器格式的时间序列

用于拟合转换的数据，以及要转换的数据。

`sktime` 中的个体数据格式称为 mtype 规范，每个 mtype 实现一个抽象 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 (instance, time) 的 pd.DataFrame，3D np.ndarray (instance, variable, time)，Series 类型 pd.DataFrame 的 list
Hierarchical scitype = 分层时间序列集合。具有 3 级或更多行 MultiIndex (hierarchy_1, ..., hierarchy_n, time) 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，请参阅转换器教程 examples/03_transformers.ipynb

y可选，`sktime` 兼容数据格式的数据，默认值=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了解详细信息。

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，并举例

如果 X 是 Series (例如，pd.DataFrame)

并且 transform-output 是 Series，则返回是一个具有相同 mtype 的单个 Series。示例：对单个时间序列进行去趋势

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

是 Series，则返回是与 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：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 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，

则返回是一个 pd-multiindex 类型的 Panel 对象。示例：输出的第 i 个实例是运行在 X 上的第 i 个窗口

classmethod get_class_tag(tag_name, tag_value_default=None)[source]#

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，它仅考虑类级别标签值和覆盖来检索标签的值。

它从对象返回名称为 tag_name 的标签值，考虑标签覆盖，按以下降序优先级：

在类的 _tags 属性中设置的标签。
在父类 _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任何类型: 如果未找到标签，则为默认/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()[source]#

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的值。

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，覆盖按以下降序优先级：

在类的 _tags 属性中设置的标签。
在父类 _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，请改用 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。未被 set_tags 或 clone_tags 设置的动态标签覆盖。

get_config()[source]#

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临时标志。

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，并被通过 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)[source]#

获取已拟合的参数。

所需状态: 要求状态为“已拟合”。

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（= 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具有 str 值键的 dict

已拟合参数的字典，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 获取的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，组件参数按 [componentname]__[paramname] 索引，componentname 的所有参数显示为其值对应的 paramname
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()[source]#

获取对象的参数默认值。

返回：

default_dict: dict[str, Any]: 键是 cls 中所有在 __init__ 中定义了默认值的参数。值是在 __init__ 中定义的默认值。

classmethod get_param_names(sort=True)[source]#

获取对象的参数名称。

参数：

sortbool, 默认值=True: 是否按字母顺序排序返回参数名称 (True)，或按其在类 __init__ 中出现的顺序返回 (False)。

返回：

param_names: list[str]: cls 的参数名称列表。如果 sort=False，则按其在类 __init__ 中出现的相同顺序。如果 sort=True，则按字母顺序排序。

get_params(deep=True)[source]#

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（= BaseObject 类型参数）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具有 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，如通过 get_param_names 获取的值为此对象该键的参数值，这些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 的所有参数显示为其值对应的 paramname
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)[source]#

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，它们是对象构造后不会改变的静态标志。

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，按以下降序优先级：

通过实例上的 set_tags 或 clone_tags 设置的标签，

在实例构造时。

在类的 _tags 属性中设置的标签。
在父类 _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: 如果未找到标签，则为默认/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，并且 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()[source]#

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，覆盖按以下降序优先级：

通过实例上的 set_tags 或 clone_tags 设置的标签，

在实例构造时。

在类的 _tags 属性中设置的标签。
在父类 _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。

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

对 X 执行逆转换并返回逆转换后的版本。

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

具有 inverse_transform。

所需状态: 要求状态为“已拟合”。

访问 self 中的

以“_”结尾的已拟合模型属性。

self.is_fitted，必须为 True

参数：

X`sktime` 兼容数据容器格式的时间序列

用于拟合和转换的数据。

`sktime` 中的个体数据格式称为 mtype 规范，每个 mtype 实现一个抽象 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 (instance, time) 的 pd.DataFrame，3D np.ndarray (instance, variable, time)，Series 类型 pd.DataFrame 的 list
Hierarchical scitype = 分层时间序列集合。具有 3 级或更多行 MultiIndex (hierarchy_1, ..., hierarchy_n, time) 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，请参阅转换器教程 examples/03_transformers.ipynb

y可选，`sktime` 兼容数据格式的数据，默认值=None

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

返回：

X 的逆转换版本: 类型与 X 相同，并符合 mtype 格式规范

is_composite()[source]#

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。在实例上调用此方法，因为这可能因实例而异。

返回：

composite: bool: 对象的任何参数值是否是 BaseObject 的后代实例。

property is_fitted[source]#

是否已调用 fit。

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: 评估器是否已 fit。

classmethod load_from_path(serial)[source]#

从文件位置加载对象。

参数：

serialZipFile(path).open(“object) 的结果

返回：

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

类方法 load_from_serial(serial)[source]#

从序列化内存容器加载对象。

参数：

serialcls.save(None) 输出的第 1 个元素

返回：

反序列化自身，产生来自cls.save(None)的输出serial

reset()[source]#

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直接所处的状态，保持相同的超参数。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，并写入到 self 中，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”的属性会被保留。
配置属性，配置会原样保留。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，区别在于 reset 会修改 self 而不是返回一个新对象。

在调用 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))`` 获得的对象相等。

返回：

self: 将类实例重置为干净的初始化后状态，同时保留当前的超参数值。

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

将序列化后的 self 保存到字节类对象或 (.zip) 文件。

行为：如果 path 为 None，则返回内存中的序列化 self；如果 path 是文件位置，则将 self 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 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，则将 self 保存为内存中的对象；如果是文件位置，则将 self 保存到该文件位置。

如果 path=”estimator”，则会在当前工作目录 (cwd) 下生成一个名为 estimator.zip 的 zip 文件。
如果 path=”/home/stored/estimator”，则会生成一个名为 estimator.zip 的 zip 文件，

存储在 /home/stored/ 中。

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软依赖项。

返回：

如果 path 为 None - 内存中的序列化 self
如果 path 是文件位置 - 指向该文件的 ZipFile 引用

set_config(**config_dict)[source]#

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 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, 默认值=True

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

warningsstr, “on” (默认), 或 “off”

是否触发警告，仅影响来自 sktime 的警告

“on” = 将触发来自 sktime 的警告
“off” = 将不会触发来自 sktime 的警告

backend:parallelstr, 可选, 默认值=”None”

广播/向量化时用于并行化的后端，以下选项之一：

“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

backend:parallel:paramsdict, 可选, 默认值={} (不传递任何参数)

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 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，则默认值为 -1，其他参数将使用 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，backend 在此情况下必须作为 backend_params 的一个键传递。如果未传递 n_jobs，则默认值为 -1，其他参数将使用 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”: bool, 默认值=True；False 会阻止 ray
  在并行化后关闭。
- “logger_name”: str, 默认值=”ray”；要使用的 logger 名称。
- “mute_warnings”: bool, 默认值=False；如果为 True，则会抑制警告

input_conversionstr, “on” (默认), “off”, 或有效 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 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_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 - 输出被转换为指定的 mtype

返回：

self对 self 的引用。

说明

改变对象状态，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。

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>。字符串 <parameter>（不带 <component>__）也可使用，如果这样能使引用无歧义，例如没有两个组件的参数同名为 <parameter>。

参数：

**paramsdict: 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对 self 的引用（设置参数后）

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，并使用通过链式哈希（通过 sample_dependent_seed）从 random_state 派生的整数来设置它们（通过 set_params）。这些整数保证了种子随机生成器的伪随机独立性。

适用于 self 中的 random_state 参数，具体取决于 self_policy；并且仅当 deep=True 时，才适用于其余的组件对象。

注意：即使 self 没有 random_state 参数，或者没有组件有 random_state 参数，也会调用 set_params。因此，set_random_state 将重置任何 scikit-base 对象，即使是那些没有 random_state 参数的对象。

参数：

random_stateint, 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 可在多次函数调用中获得可重现的输出。

deepbool, 默认值=True

是否设置值为 skbase 对象的参数（即组件估计器）中的随机状态。

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_policystr, {"copy", "keep", "new"} 之一, 默认值=”copy”

“copy” : self.random_state 被设置为输入的 random_state
“keep” : self.random_state 保持原样
“new” : self.random_state 被设置为一个新的随机状态，

派生自输入的 random_state，通常与其不同

返回：

self对 self 的引用

set_tags(**tag_dict)[source]#

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，它们是静态标志，在对象构造后不会更改。它们可用于元数据检查或控制对象的行为。

set_tags 根据 tag_dict 中指定的值设置动态标签覆盖，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（在构造期间）或通过 __init__ 直接在构造后调用。

当前标签值可以通过 get_tags 或 get_tag 进行检查。

参数：

**tag_dictdict: 标签名称: 标签值对的字典。

返回：

Self: 对 self 的引用。

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

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

以“_”结尾的已拟合模型属性。

self.is_fitted，必须为 True

参数：

X`sktime` 兼容数据容器格式的时间序列

要转换的数据。

`sktime` 中的个体数据格式称为 mtype 规范，每个 mtype 实现一个抽象 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 (instance, time) 的 pd.DataFrame，3D np.ndarray (instance, variable, time)，Series 类型 pd.DataFrame 的 list
Hierarchical scitype = 分层时间序列集合。具有 3 级或更多行 MultiIndex (hierarchy_1, ..., hierarchy_n, time) 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，请参阅转换器教程 examples/03_transformers.ipynb

y可选，`sktime` 兼容数据格式的数据，默认值=None

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

返回：

X 的转换版本
类型取决于 X 的类型和 scitype:transform-output 标签

	转换 (transform)
X (输入)	-输出 (-output)	返回类型 (type of return)
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，并举例

如果 X 是 Series (例如，pd.DataFrame)

并且 transform-output 是 Series，则返回是一个具有相同 mtype 的单个 Series。示例：对单个时间序列进行去趋势

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

是 Series，则返回是与 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：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 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，

则返回是一个 pd-multiindex 类型的 Panel 对象。示例：输出的第 i 个实例是运行在 X 上的第 i 个窗口

update(X, y=None, update_params=True)[source]#

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

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，将数据写入 self._X，并通过 X 中的值进行更新。

参数：

X`sktime` 兼容数据容器格式的时间序列

用于更新转换的数据

`sktime` 中的个体数据格式称为 mtype 规范，每个 mtype 实现一个抽象 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 (instance, time) 的 pd.DataFrame，3D np.ndarray (instance, variable, time)，Series 类型 pd.DataFrame 的 list
Hierarchical scitype = 分层时间序列集合。具有 3 级或更多行 MultiIndex (hierarchy_1, ..., hierarchy_n, time) 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，请参阅转换器教程 examples/03_transformers.ipynb

y可选，`sktime` 兼容数据格式的数据，默认值=None

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

返回：

self评估器的已拟合实例