PandasTransformAdaptor

class PandasTransformAdaptor(method, kwargs=None, apply_to='call')

将 pandas 转换器适配到 sktime 接口。

在 transform 方法中，对数据执行名为 method 的 pd.DataFrame 方法，可选地通过 kwargs 超参数传递关键字参数。apply_to 参数控制调用 method 时使用的数据：“call” = 仅对 transform 中传入的 X 应用，“all”/”all_subset” = 对迄今为止看到的所有数据应用。详情见下。

对于分层时间序列，操作按实例应用。

参数:

methodstr，可选，默认为 None = 恒等转换

在 transform 中应用的 DataFrame 方法的名称

kwargsdict，可选，默认为空字典（不向方法传递 kwargs）

传递给 DataFrame.method 的参数

apply_tostr，可选，取值为 “call”, “all”, “all_subset” 之一，默认为 “call”

“call” = 方法仅应用于 transform 中传入的 X。“all” = 方法应用于 fit, update, transform 中看到的所有 X

更精确地说，返回应用于 self._X 的结果

“all_subset” = 方法应用于所有 X (如 “all” 值所述)，

但在返回之前，结果会根据 transform 中 X 的索引进行子集化

在 “all”, “all_subset” 模式下，transform 中传入的 X 不会更新 self._X

属性:

is_fitted

是否已调用 fit 方法。

示例

>>> from sktime.transformations.series.adapt import PandasTransformAdaptor
>>> from sktime.datasets import load_airline
>>> y = load_airline()

>>> transformer = PandasTransformAdaptor("diff")
>>> y_hat = transformer.fit_transform(y)

>>> transformer = PandasTransformAdaptor("diff", apply_to="all_subset")
>>> y_hat = transformer.fit(y.iloc[:12])
>>> y_hat = transformer.transform(y.iloc[12:])

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])	将转换器拟合到 X，可选地拟合到 y。
fit_transform(X[, y])	拟合数据，然后进行转换。
get_class_tag(tag_name[, tag_value_default])	从类中获取类标签值，包含来自父类的标签继承。
get_class_tags()	从类中获取类标签，包含来自父类的标签继承。
get_config()	获取对象的配置标志。
get_fitted_params([deep])	获取已拟合参数。
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，包含标签级别的继承和覆盖。
get_tags()	从实例获取标签，包含标签级别的继承和覆盖。
get_test_params([parameter_set])	返回估计器的测试参数设置。
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 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, ...])	设置对象的 random_state 伪随机种子参数。
set_tags(**tag_dict)	将实例级别的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])	用 X 更新转换器，可选地用 y。

classmethod get_test_params(parameter_set='default')

返回估计器的测试参数设置。

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，将返回 "default" 集。

返回:

paramsdict 或 dict 列表，默认为 {}

创建类的测试实例的参数 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]) 会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。

如果未拟合，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。

等同于使用 self 的参数构造一个新的 type(self) 实例，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，等同于调用 cloned_self.set_config(**self.get_config())。

在值上也等同于调用 self.reset，但不同之处在于 clone 返回一个新对象，而不是像 reset 那样改变 self。

引发:

如果克隆不符合规范（由于错误的 __init__），则引发 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 方法应仅在对象构造期间或构造后立即在 __init__ 方法中调用。

动态标签设置为 estimator 中指定名称 tag_names 的标签值。

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

当前标签值可通过 get_tags 或 get_tag 进行检查。

参数:

estimator:class:BaseObject 或其派生类的实例

tag_namesstr 或 str 列表，默认为 None

要克隆的标签名称。默认值 (None`) 会克隆 estimator 的所有标签。

返回:

self

对 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，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，将返回 “default” 集。

返回:

objscls 的实例列表

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 个对象的实例名称。命名约定为 {cls.__name__}-{i} (如果实例多于一个)，否则为 {cls.__name__}。

fit(X, y=None)

将转换器拟合到 X，可选地拟合到 y。

状态变更

状态变为“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") 指定的类型。

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 中的各种数据格式是所谓的 mtype 规范，每种 mtype 都实现了一种抽象的 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 2 级行 MultiIndex (实例, 时间), 3D np.ndarray (实例, 变量, 时间), list of Series 类型的 pd.DataFrame

• Hierarchical scitype = 分层时间序列集合。pd.DataFrame 带 3 级或更多级行 MultiIndex (层级_1, ..., 层级_n, 时间)

有关数据格式的更多详细信息，请参阅 mtype 术语表。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 中传递，非可选。有关所需格式，请参阅类文档字符串。

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。

状态变更

状态变为“已拟合”。

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

如果可能，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

用于拟合转换的数据，以及要转换的数据。

sktime 中的各种数据格式是所谓的 mtype 规范，每种 mtype 都实现了一种抽象的 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 2 级行 MultiIndex (实例, 时间), 3D np.ndarray (实例, 变量, 时间), list of Series 类型的 pd.DataFrame

• Hierarchical scitype = 分层时间序列集合。pd.DataFrame 带 3 级或更多级行 MultiIndex (层级_1, ..., 层级_n, 时间)

有关数据格式的更多详细信息，请参阅 mtype 术语表。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 中传递，非可选。有关所需格式，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

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受支持

具体说明，含示例

• 如果 X 是 Series (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 具有相同实例数的 Panel（转换器应用于每个输入的 Series 实例）。示例：面板中的所有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 个序列的均值和方差

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

则返回类型为 pd-multiindex 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

classmethod get_class_tag(tag_name, tag_value_default=None)

从类中获取类标签值，包含来自父类的标签继承。

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，仅考虑类级别的标签值和覆盖来检索标签的值。

它从对象中返回名为 tag_name 的标签值，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，

按继承顺序排列。

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，则为默认/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()

从类中获取类标签，包含来自父类的标签继承。

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，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设置的 _tags 的任何属性的键。

值是相应的标签值，按以下降序优先级考虑覆盖

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，

按继承顺序排列。

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。

对于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。不受通过 set_tags 或 clone_tags 设置的动态标签覆盖。

get_config()

获取对象的配置标志。

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，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。

Configs 在 clone 或 reset 调用后保留。

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，然后从 _onfig_dynamic 对象属性获取任何覆盖和新标签。

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 的 dict

已拟合参数字典，paramname : paramvalue 键值对包括

• 始终：此对象的所有已拟合参数，如通过 get_param_names 获取；值是该键对应的已拟合参数值，属于此对象

• 如果 deep=True，还包含组件参数的键/值对；组件参数以 [组件名]__[参数名] 索引；组件名 的所有参数以 参数名 形式出现，附带其值

• 如果 deep=True，还包含任意级别的组件递归，例如 [组件名]__[组件组件名]__[参数名] 等

classmethod get_param_defaults()

获取对象的默认参数。

返回:

default_dict: dict[str, Any]

键是 cls 中所有在 __init__ 中定义了默认值的参数。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

是否按字母顺序排序返回参数名称 (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，则按字母顺序排序。

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 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；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；组件参数以 [组件名]__[参数名] 索引；组件名 的所有参数以 参数名 形式出现，附带其值

• 如果 deep=True，还包含任意级别的组件递归，例如 [组件名]__[组件组件名]__[参数名] 等

get_tag(tag_name, tag_value_default=None, raise_error=True)

从实例获取标签值，包含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，

在实例构造时设置。

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

如果找不到标签，则为默认/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，包含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 的任何属性的键，或者通过 set_tags 或 clone_tags 设置的标签。

值是相应的标签值，按以下降序优先级考虑覆盖

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

在实例构造时设置。

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，

按继承顺序排列。

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，然后从 _tags_dynamic 对象属性获取任何覆盖和新标签。

inverse_transform(X, y=None)

对 X 进行逆转换并返回逆转换后的版本。

当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 方法。

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 中的各种数据格式是所谓的 mtype 规范，每种 mtype 都实现了一种抽象的 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 2 级行 MultiIndex (实例, 时间), 3D np.ndarray (实例, 变量, 时间), list of Series 类型的 pd.DataFrame

• Hierarchical scitype = 分层时间序列集合。pd.DataFrame 带 3 级或更多级行 MultiIndex (层级_1, ..., 层级_n, 时间)

有关数据格式的更多详细信息，请参阅 mtype 术语表。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，默认为 None

附加数据，例如用于转换的标签。某些转换器需要此参数，详情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。

复合对象是包含其他对象作为参数的对象。在实例上调用此方法，因为结果可能因实例而异。

返回:

composite: bool

对象的任何参数值是否为 BaseObject 的派生实例。

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

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:

反序列化的对象，结果输出到 path，由 cls.save(path) 生成

classmethod load_from_serial(serial)

从序列化内存容器加载对象。

参数:

serialcls.save(None) 输出的第一个元素

返回:

反序列化的对象，结果输出 serial，由 cls.save(None) 生成

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 设置的配置值也会保留。

reset 调用会删除所有对象属性，除了

• 超参数 = 写入 self 的 __init__ 参数，例如 self.paramname，其中 paramname 是 __init__ 的一个参数

• 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，配置会保留不变。即，reset 前后 get_config 的结果相等。

类方法、对象方法和类属性也不受影响。

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

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))`` 后获得的对象相等。

返回:

self

类的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')

将序列化对象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对象；如果 path 是文件位置，则将对象以 zip 文件形式存储在该位置

保存的文件是包含以下内容的 zip 文件：_metadata - 包含对象的类，即 type(self)；_obj - 序列化的对象。此类使用默认的序列化方式 (pickle)。

参数:

pathNone 或文件位置 (str 或 Path)

如果为 None，则将对象保存到内存中的对象；如果是文件位置，则将对象保存到该文件位置。如果

• path=”estimator”，则在当前工作目录创建 zip 文件 estimator.zip。

• path=”/home/stored/estimator”，则 zip 文件 estimator.zip 将保存到

/home/stored/ 中。

serialization_format: str，默认为 “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。

返回:

如果 path 为 None - 内存中的序列化对象

如果 path 是文件位置 - 引用文件的 ZipFile

set_config(**config_dict)

将配置标志设置为给定值。

参数:

config_dictdict

配置名 : 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 内核如何显示对象的实例

• “diagram” = html 框图表示

• “text” = 字符串打印输出

print_changed_onlybool，默认为 True

打印对象时是仅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)。不嵌套，即仅影响自身，不影响组件估计器。

warningsstr，“on”（默认）或“off”

是否引发警告，仅影响 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:parallelstr，可选，默认为 “None”

广播/向量化时用于并行处理的后端，取值为以下之一：

• “None”：按顺序执行循环，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，默认为 {}（不传递参数）

作为配置传递给并行处理后端的附加参数。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 joblib 后端；可以传递任何有效的 joblib.Parallel 参数键，例如 n_jobs，但 backend 除外，它由 backend 直接控制。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。这里可以传入 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 的一个键传入。如果未传入 n_jobs，则其将默认设置为 -1，其他参数将默认使用 joblib 的默认值。

• “dask”：可以传入 dask.compute 的任何有效键，例如 scheduler

• “ray”：可以传入以下键

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

  • “shutdown_ray”：布尔值，默认为True；设置为False可以阻止 ray 在并行化后

    关闭。

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

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

input_conversion字符串，以下之一：“on”（默认）、“off”或有效的mtype字符串

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 - 假定输入为指定的mtype，执行转换但不执行检查

output_conversion字符串，以下之一：“on”、“off”、有效的mtype字符串

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 - 输出被转换为指定的mtype

返回:

self指向self的引用。

注

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对象以及复合对象。对于复合对象（即包含其他对象的对象），可以使用参数键字符串 <component>__<parameter> 来访问组件 <component> 中的 <parameter>。如果引用明确（例如，没有两个组件的参数名为 <parameter>），也可以使用字符串 <parameter> 而不带 <component>__。

参数:

**params字典

BaseObject参数，键必须是 <component>__<parameter> 字符串。如果 get_params 键中唯一，则 __ 后缀可以作为完整字符串的别名。

返回:

self指向self的引用（设置参数后）

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

设置对象的 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 导出的整数。这些整数通过 sample_dependent_seed 从链式哈希采样，保证了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，并且当且仅当 deep=True 时应用于其余组件对象。

注意：即使 self 没有 random_state 参数，或者没有任何组件具有 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，默认为None

伪随机数生成器，用于控制随机整数的生成。传入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skbase对象值参数（即组件估计器）中设置随机状态。

• 如果为False，则只设置 self 的 random_state 参数（如果存在）。

• 如果为True，则同时设置组件对象中的 random_state 参数。

self_policy字符串，以下之一：{“copy”、“keep”、“new”}，默认为“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 设置为一个新的随机状态，

由输入的 random_state 派生，通常与输入的不同

返回:

self指向self的引用

set_tags(**tag_dict)

将实例级别的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，字典值是要设置的标签值。

set_tags 方法应仅在对象的 __init__ 方法中（构建期间）或通过 __init__ 直接在构建后调用。

当前标签值可通过 get_tags 或 get_tag 进行检查。

参数:

**tag_dict字典

标签名: 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“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 中的各种数据格式是所谓的 mtype 规范，每种 mtype 都实现了一种抽象的 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 2 级行 MultiIndex (实例, 时间), 3D np.ndarray (实例, 变量, 时间), list of Series 类型的 pd.DataFrame

• Hierarchical scitype = 分层时间序列集合。pd.DataFrame 带 3 级或更多级行 MultiIndex (层级_1, ..., 层级_n, 时间)

有关数据格式的更多详细信息，请参阅 mtype 术语表。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，默认为 None

附加数据，例如用于转换的标签。某些转换器需要此参数，详情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	-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受支持

具体说明，含示例

• 如果 X 是 Series (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 具有相同实例数的 Panel（转换器应用于每个输入的 Series 实例）。示例：面板中的所有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 个序列的均值和方差

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

则返回类型为 pd-multiindex 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)

用 X 更新转换器，可选地用 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 中的各种数据格式是所谓的 mtype 规范，每种 mtype 都实现了一种抽象的 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 2 级行 MultiIndex (实例, 时间), 3D np.ndarray (实例, 变量, 时间), list of Series 类型的 pd.DataFrame

• Hierarchical scitype = 分层时间序列集合。pd.DataFrame 带 3 级或更多级行 MultiIndex (层级_1, ..., 层级_n, 时间)

有关数据格式的更多详细信息，请参阅 mtype 术语表。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，默认为 None

附加数据，例如用于转换的标签。某些转换器需要此参数，详情请参阅类文档字符串。

返回:

self估计器的已拟合实例