DilationMappingTransformer#

class DilationMappingTransformer(dilation=2)[source]#

膨胀映射转换器。

一种用于将索引网格膨胀映射应用于时间序列数据的转换器，根据 [1] 中的术语。

这种转换的灵感来源于核膨胀，它通过重新排列时间序列的时间步来模拟膨胀效果。例如，在管道中，它使得下游本身不支持膨胀功能的模型能够获得类似膨胀的效果。

数学上，该映射作用于序列 \(x_1, \dots, x_k\)。因子为 \(d\) 的膨胀定义为序列 \(x_1, x_{1+d}, x_{1+2d}, \dots, x_2, x_{2+d}, x_{2+2d}, \dots, x_d, x_{2d}, \dots\)，其中网格间距为 \(d\) 的子序列是最大的。

结果序列的长度与输入序列相等。

该转换器会重新排列值，并且如果 mtype 是基于 pandas 的，则会将序列索引重置为 RangeIndex。

参数：

dilationint 类型，默认值为 2: 膨胀因子。决定了转换后序列中原始数据点之间的间距。必须是大于 0 的整数。膨胀因子为 1 意味着没有变化，而更高的值会增加间距。

属性：

is_fitted: `fit` 方法是否已被调用。

参考文献

[1]

Patrick Schäfer and Ulf Leser, “WEASEL 2.0–A Random Dilated Dictionary Transform for Fast, Accurate and Memory Constrained Time Series Classification”, 2023, arXiv preprint arXiv:2301.10194。

示例

>>> from sktime.transformations.series.dilation_mapping import \
...     DilationMappingTransformer
>>> from sktime.datasets import load_airline
>>> y = load_airline()
>>> y_transform = DilationMappingTransformer(dilation=2).fit_transform(y)

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建类的一个实例。
`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，并从父类继承标签级别。
`get_class_tags`()	从类中获取类标签，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, ...])	从实例中获取标签值，并考虑标签级别继承和覆盖。
`get_tags`()	从实例中获取标签，并考虑标签级别继承和覆盖。
`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 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`()	将对象重置到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状对象或 (.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])	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]#

返回估计器的测试参数设置。

参数：

parameter_setstr 类型，默认值为 “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，则返回 "default" 集。当前没有为转换器保留的值。

返回值：

paramsdict 或 dict 列表，默认值为 {}: 用于创建类测试实例的参数。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（或唯一的）字典。

check_is_fitted(method_name=None)[source]#

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 类型，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()[source]#

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。此函数等效于返回 sklearn.clone 的 self。

等效于构造 type(self) 的一个新实例，参数与 self 相同，即 type(self)(**self.get_params(deep=False))。

如果在 self 上设置了配置，则克隆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())。

在值上也等效于调用 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)[source]#

作为动态覆盖，从另一个对象克隆标签。

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更改的静态标志。

clone_tags 设置从另一个对象 estimator 来的动态标签覆盖。

clone_tags 方法应仅在对象的 __init__ 方法中，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，名称由 tag_names 指定。

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

可以通过 get_tags 或 get_tag 检查当前标签值。

参数：

estimator:class:BaseObject 或派生类的一个实例
tag_namesstr 或 str 列表，默认值为 None: 要克隆的标签名称。默认值 (None) 克隆 estimator 中的所有标签。

返回值：

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建类的一个实例。

参数：

parameter_setstr 类型，默认值为 “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，则返回“default”集。

返回值：

instance具有默认参数的类实例

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

创建所有测试实例的列表及其名称列表。

参数：

parameter_setstr 类型，默认值为 “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，则返回“default”集。

返回值：

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 个元素是测试中对象的第 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。

状态变更: 将状态变更为“已拟合”。

写入 self

设置以“_”结尾的已拟合模型属性，可通过 get_fitted_params 检查已拟合属性。

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采用 sktime 兼容数据容器格式的时间序列

用于拟合转换的数据。

sktime 中的个体数据格式称为mtype规范，每种 mtype 都实现了一个抽象的scitype。

Series scitype = 个体时间序列。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 类型的 Series pd.DataFrame
Hierarchical scitype = 分层时间序列集合。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词汇表。有关用法，请参阅转换器教程 examples/03_transformers.ipynb

y可选，采用 sktime 兼容数据格式的数据，默认值为 None

附加数据，例如用于转换的标签。一些转换器需要此数据，请参阅类 docstring 以获取详细信息。

返回值：

self估计器的一个已拟合实例

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。

状态变更: 将状态变更为“已拟合”。

写入 self：_is_fitted : 标志设置为 True。 _X : X，如果 remember_data 标签为 True，则为强制转换的 X 副本

如果可能，可能会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采用 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，每种 mtype 都实现了一个抽象的scitype。

Series scitype = 个体时间序列。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 类型的 Series pd.DataFrame
Hierarchical scitype = 分层时间序列集合。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词汇表。有关用法，请参阅转换器教程 examples/03_transformers.ipynb

y可选，采用 sktime 兼容数据格式的数据，默认值为 None

附加数据，例如用于转换的标签。一些转换器需要此数据，请参阅类 docstring 以获取详细信息。

返回值：

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 |

返回值中的实例与 X 中的实例相对应

表中未列出的组合目前不支持

明确说明，带示例

如果 X 是 Series（例如 pd.DataFrame）

并且 transform-output 是 Series，则返回相同 mtype 的单个 Series。示例：对单个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单独进行去趋势处理

如果 X 是 Series 或 Panel 并且 transform-output 是

Primitives，则返回行数与 X 中的实例数相同的 pd.DataFrame。示例：返回值的第 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 个实例是在 X 上运行的第 i 个窗口

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

从类中获取类标签值，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，仅考虑类级别的标签值和覆盖来检索标签的值。

它从对象中返回名称为 tag_name 的标签值，并按照以下优先级降序考虑标签覆盖：

在类的 _tags 属性中设置的标签。
在父类的 _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。

要检索可能包含实例覆盖的标签值，请改用 get_tag 方法。

参数：

tag_namestr 类型: 标签值的名称。
tag_value_default任意类型: 如果未找到标签，则使用的默认/备用值。

返回值：

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]#

从类中获取类标签，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：

在类的 _tags 属性中设置的标签。
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。

要检索可能包含实例覆盖的标签，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。

要包含动态标签的覆盖，请使用 get_tags。

collected_tagsdict 类型: 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 set_tags 或 clone_tags 设置的动态标签覆盖。

get_config()[source]#

获取自身的配置标志。

配置是 self 的键值对，通常用作控制行为的瞬时标志。

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 调用时保留。

返回值：

config_dictdict 类型: 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 对象属性获取任何覆盖和新标签。

get_fitted_params(deep=True)[source]#

获取已拟合参数。

所需状态: 需要状态为“已拟合”。

参数：

deepbool 类型，默认值为 True

是否返回组件的已拟合参数。

如果为 True，则返回此对象的参数名称 : 值字典，包括可拟合组件的已拟合参数（= BaseEstimator 类型参数）。
如果为 False，则返回此对象的参数名称 : 值字典，但不包括组件的已拟合参数。

返回值：

fitted_params键为 str 类型的 dict

已拟合参数字典，参数名称 : 参数值的键值对包括

始终：此对象的所有已拟合参数，通过 get_param_names 获取，值为此对象该键的已拟合参数值
如果 deep=True，还包含组件参数的键值对，组件参数的索引格式为 [componentname]__[paramname]，componentname 的所有参数都以 paramname 及其值的形式出现
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()[source]#

获取对象的默认参数。

返回值：

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，默认为 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)。

返回值：

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)[source]#

获取此对象的参数值字典。

参数：

deepbool 类型，默认值为 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，包括组件的参数（即 BaseObject 值的参数）。
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。

返回值：

params键为 str 值的 dict

参数字典，参数名 : 参数值键值对包括

始终：此对象的所有参数，如通过 get_param_names 获取。对应键的值为此对象的参数值，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。组件的参数通过 [componentname]__[paramname] 索引。组件 componentname 的所有参数都以 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)[source]#

从实例中获取标签值，并考虑标签级别继承和覆盖。

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 的单个标签的值，考虑标签覆盖，优先级从高到低如下：

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。
在父类的 _tags 属性中设置的标签，

按继承顺序。

参数：

tag_namestr 类型: 要检索的标签名称
tag_value_default任何类型，可选；默认为 None: 如果未找到标签，则使用的默认/备用值
raise_errorbool: 未找到标签时是否引发 ValueError

返回值：

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：

如果 raise_error 为 True，则引发 ValueError。: 如果 tag_name 不在 self.get_tags().keys() 中，则引发 ValueError。

get_tags()[source]#

从实例中获取标签，并考虑标签级别继承和覆盖。

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更改的静态标志。

get_tags 方法返回一个标签字典，其键可以是类或其任何父类中设置的任何 _tags 属性的键，也可以是通过 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：

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。
在父类的 _tags 属性中设置的标签，

按继承顺序。

返回值：

collected_tagsdict: 标签名 : 标签值对的字典。通过嵌套继承从 _tags 类属性中收集，然后从 _tags_dynamic 对象属性中收集任何覆盖和新标签。

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

对 X 进行逆转换并返回逆转换后的版本。

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

具有 inverse_transform 方法。

所需状态: 需要状态为“已拟合”。

在 self 中访问

拟合模型的以 “_” 结尾的属性。

self.is_fitted，必须为 True

参数：

X采用 sktime 兼容数据容器格式的时间序列

用于拟合转换的数据。

sktime 中的个体数据格式称为mtype规范，每种 mtype 都实现了一个抽象的scitype。

Series scitype = 个体时间序列。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 类型的 Series pd.DataFrame
Hierarchical scitype = 分层时间序列集合。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词汇表。有关用法，请参阅转换器教程 examples/03_transformers.ipynb

y可选，采用 sktime 兼容数据格式的数据，默认值为 None

额外数据，例如转换的标签。一些转换器需要此数据，详情请参阅类文档字符串。

返回值：

X 的逆变换版本: 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 BaseObject 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，因为这可能因实例而异。

返回值：

composite: bool: 对象是否具有其值是 BaseObject 后代实例的任何参数。

property is_fitted[source]#

`fit` 方法是否已被调用。

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。

返回值：

bool: 估计器是否已拟合。

classmethod load_from_path(serial)[source]#

从文件位置加载对象。

参数：

serialZipFile(path).open(“object) 的结果

返回值：

反序列化的 self，结果输出到 path，即 cls.save(path) 的输出。

classmethod load_from_serial(serial)[source]#

从序列化内存容器加载对象。

参数：

serialcls.save(None) 输出的第一个元素

返回值：

反序列化的 self，结果输出 serial，即 cls.save(None) 的输出。

reset()[source]#

将对象重置到干净的初始化后状态。

将 self 设置为构造函数调用后的直接状态，并使用相同的超参数。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__ 的参数。
包含双下划线（即字符串“__”）的对象属性。例如，保留名为“__myattr”的属性。
配置属性，配置保持不变。也就是说，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。

等同于 clone，但 reset 会改变 self，而不是返回一个新对象。

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))`` 后获得的对象相等。

返回值：

self: 类实例重置为初始化后的干净状态，但保留当前的超参数值。

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

将序列化的自身保存到字节状对象或 (.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 存储在该位置为 zip 文件。

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

参数：

pathNone 或文件位置 (str 或 Path)

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

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。

返回值：

如果 path 为 None - 内存中的序列化 self
如果 path 为文件位置 - 引用该文件的 ZipFile

set_config(**config_dict)[source]#

将配置标志设置为给定值。

参数：

config_dictdict 类型

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 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 时是仅列出与默认值不同的 self 参数 (False)，还是列出所有参数名和值 (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”

广播/向量化时用于并行的后端，可以是以下之一：

“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: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”：无附加参数，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 的默认值。
“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，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 的有效键字典
- “shutdown_ray”：bool，默认为 True；False 会阻止 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

input_conversionstr，“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 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”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 mtype 字符串 - 输出转换为指定的 mtype

返回值：

self对 self 的引用。

注意事项

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。

该方法适用于简单的 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>。如果引用明确（例如，没有两个组件参数同名 <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，前提是在 get_params 键中是唯一的。

返回值：

self对 self 的引用（设置参数后）

set_random_state(random_state=None, deep=True, self_policy='copy')[source]#

为自身设置 random_state 伪随机种子参数。

通过 self.get_params 找到名为 random_state 的参数，并通过 set_params 将它们设置为从 random_state 派生的整数。这些整数通过链式哈希从 sample_dependent_seed 中采样，并保证种子随机生成器的伪随机独立性。

应用于 self 中的 random_state 参数（取决于 self_policy），以及仅当 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，即使是那些没有 random_state 参数的对象。

参数：

random_stateint、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 int 以在多次函数调用中获得可重现的输出。

deepbool 类型，默认值为 True

是否在 skbase 对象值的参数（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，则也将在组件对象中设置 random_state 参数。

self_policystr，{“copy”, “keep”, “new”} 之一，默认为 “copy”

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

从输入的 random_state 派生，通常与它不同

返回值：

self对 self 的引用

set_tags(**tag_dict)[source]#

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，它们是对象构造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。

set_tags 方法只能在对象构造期间或通过 __init__ 构造后直接在对象的 __init__ 方法中调用。

可以通过 get_tags 或 get_tag 检查当前标签值。

参数：

tag_dictdict: 标签名: 标签值对的字典。

返回值：

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: 需要状态为“已拟合”。

在 self 中访问

拟合模型的以 “_” 结尾的属性。

self.is_fitted，必须为 True

参数：

X采用 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，每种 mtype 都实现了一个抽象的scitype。

Series scitype = 个体时间序列。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 类型的 Series pd.DataFrame
Hierarchical scitype = 分层时间序列集合。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词汇表。有关用法，请参阅转换器教程 examples/03_transformers.ipynb

y可选，采用 sktime 兼容数据格式的数据，默认值为 None

额外数据，例如转换的标签。一些转换器需要此数据，详情请参阅类文档字符串。

返回值：

X 的转换版本
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

返回值中的实例与 X 中的实例相对应

表中未列出的组合目前不支持

明确说明，带示例

如果 X 是 Series（例如 pd.DataFrame）

并且 transform-output 是 Series，则返回相同 mtype 的单个 Series。示例：对单个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单独进行去趋势处理

如果 X 是 Series 或 Panel 并且 transform-output 是

Primitives，则返回行数与 X 中的实例数相同的 pd.DataFrame。示例：返回值的第 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 个实例是在 X 上运行的第 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: 需要状态为“已拟合”。

在 self 中访问

拟合模型的以 “_” 结尾的属性。

self.is_fitted，必须为 True

写入 self

拟合模型的以 “_” 结尾的属性。

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采用 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，每种 mtype 都实现了一个抽象的scitype。

Series scitype = 个体时间序列。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 类型的 Series pd.DataFrame
Hierarchical scitype = 分层时间序列集合。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词汇表。有关用法，请参阅转换器教程 examples/03_transformers.ipynb

y可选，采用 sktime 兼容数据格式的数据，默认值为 None

额外数据，例如转换的标签。一些转换器需要此数据，详情请参阅类文档字符串。

返回值：

self估计器的一个已拟合实例