SeasonalDummiesOneHot

类 SeasonalDummiesOneHot(sp: int | None = None, freq: str | None = None, drop: bool | None = True)

用于时间序列季节性的季节性哑变量特征。

捕捉季节性效应的标准方法是添加哑变量外生变量，每个季节一个。例如，对于月度季节性，添加二元哑变量 Jan, Feb, ...。对于时间“t”，如果“t”发生在该季节，则将这些变量设置为 1（反之则设置为 0）。为了避免共线性，当模型中包含截距时，会删除一个季节。

在机器学习的语言中，季节性哑变量的使用是对季节性分类变量进行独热编码。

目前支持以下频率： - 月度：‘M’ - 季度：‘Q’ - 每周：‘W’ - 每日：‘D’ - 每小时：‘H’

参数：

spint, 可选, 默认值 = None

仅当传递给 _transform() 的 X（如果 X 为 None 则为 y）的索引是 DatetimeIndex 时使用。时间序列的季节性周期（例如，月度数据为 12）。即使在这种情况下，如果提供了 freq 也可以省略。（例如，如果 index.freq 可用，或 freq='M'）

freqstr, 可选, 默认值 = None

仅当传递给 _transform() 的 X（如果 X 为 None 则为 y）的索引是 DatetimeIndex 且未提供 sp 时使用。时间序列的频率（例如，月度数据为 'M'）。即使在这种情况下，如果 index.freq 可用也可以省略。

dropbool, 默认值 = True

删除第一个季节性哑变量？（如果模型包含截距，则应为 True）

属性：

is_fitted

是否已调用 fit。

示例

>>> from sktime.transformations.series.dummies import SeasonalDummiesOneHot
>>> from sktime.datasets import load_airline
>>> y = load_airline()
>>> transformer = SeasonalDummiesOneHot()
>>> X = transformer.fit_transform(y=y, X=None)

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])	创建所有测试实例的列表及其名称列表。
fit(X[, y])	将变换器拟合到 X，可选地拟合到 y。
fit_transform(X[, y])	拟合数据，然后进行变换。
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，具有标签级别继承和覆盖。
get_tags()	从实例中获取标签，具有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 进行逆变换并返回逆变换后的版本。
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()	将对象重置到干净的初始化后状态。
save([path, serialization_format])	将序列化的自身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, ...])	为自身设置 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])	变换 X 并返回变换后的版本。
update(X[, y, update_params])	使用 X（可选地使用 y）更新变换器。

classmethod get_test_params(parameter_set='default')

返回估计器的测试参数设置。

参数：

parameter_setstr, 默认值=”default”

要返回的测试参数集的名称，用于测试。如果某个值没有定义特殊参数，则将返回 "default" 集。目前变换器没有保留值。

返回：

paramsdict 或 dict 列表, 默认值 = {}

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的克隆。

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 type(self) 的新实例，并使用 self 的参数，即 type(self)(**self.get_params(deep=False))。

如果 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，但 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 __init__ 错误），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 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。

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__ 直接构造之后。

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 查看。

estimator:class:BaseObject 或派生类的实例

参数：

tag_namesstr 或 str 列表, 默认值 = None

要克隆的标签名称。默认设置（None）克隆 estimator 中的所有标签。

self

返回：

对自身的引用。

classmethod create_test_instance(parameter_set='default')

要返回的测试参数集的名称，用于测试。如果某个值没有定义特殊参数，则将返回 “default” 集。

使用第一个测试参数集构造类的实例。

参数：

parameter_setstr, 默认值=”default”

instance使用默认参数的类实例

返回：

classmethod create_test_instances_and_names(parameter_set='default')

objscls 的实例列表

创建所有测试实例的列表及其名称列表。

参数：

parameter_setstr, 默认值=”default”

instance使用默认参数的类实例

返回：

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 obj 的第 i 个实例的名称。如果实例多于一个，则命名约定为 {cls.__name__}-{i}，否则为 {cls.__name__}。

fit(X, y=None)

状态更改

将变换器拟合到 X，可选地拟合到 y。

将状态更改为“已拟合”。

写入自身

设置以“_”结尾的拟合模型属性，拟合属性可通过 get_fitted_params 查看。

• 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，强制转换为 self.get_tag("X_inner_mtype")。

• Xsktime 兼容数据容器格式的时间序列

参数：

用于拟合变换的数据。

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。具有 2 级行 MultiIndex (instance, time) 的 pd.DataFrame，3D np.ndarray (instance, variable, time)，或 Series 类型的 pd.DataFrame 的 list。

• Hierarchical scitype = 分层时间序列集合。具有 3 级或更多级行 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，请参阅变换器教程 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，例如用于变换的标签。某些变换器需要此数据，请参阅类文档字符串了解详细信息。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了解详细信息。

self估计器的拟合实例

返回：

fit_transform(X, y=None)

将变换器拟合到 X 和 y，并返回 X 的变换版本。

拟合数据，然后进行变换。

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

将状态更改为“已拟合”。

写入自身

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

用于拟合变换的数据，以及要变换的数据。

参数：

用于拟合变换的数据。

X 的变换版本

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)，或 Series 类型的 pd.DataFrame 的 list。

• Hierarchical scitype = 分层时间序列集合。具有 3 级或更多级行 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，请参阅变换器教程 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，例如用于变换的标签。某些变换器需要此数据，请参阅类文档字符串了解详细信息。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了解详细信息。

self估计器的拟合实例

返回：

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

具体来说，带示例

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，则返回与 X 实例数量相同的 Panel（变换器应用于每个输入的 Series 实例）。示例：对 Panel 中的所有时间序列进行单独去趋势

如果 X 是 Series 或 Panel 并且 transform-output 是

• Primitives，则返回的 pd.DataFrame 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，

• 则返回一个类型为 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)

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。

从类中获取类标签值，并从父类继承标签级别。

_get_class_tag 方法是一个类方法，仅考虑类级别标签值和覆盖来检索标签的值。

它返回对象中名称为 tag_name 的标签的值，考虑标签覆盖，优先级从高到低如下：

类 _tags 属性中设置的标签。

1. 父类 _tags 属性中设置的标签，

2. 按照继承顺序。

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。

tag_namestr

参数：

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/回退值。

tag_value

返回：

self 中 tag_name 标签的值。如果未找到，则返回 tag_value_default。

classmethod get_class_tags()

_get_class_tags 方法是一个类方法，仅考虑类级别标签值和覆盖来检索标签的值。

从类中获取类标签，并从父类继承标签级别。

每个 scikit-base 兼容对象都有一个标签字典。标签可用于存储关于对象的元数据，或控制对象的行为。

clone_tags 从另一个对象 estimator 设置动态标签覆盖。

它返回一个字典，其键是类或其任何父类中 _tags 的任何属性的键。

值是对应的标签值，覆盖优先级从高到低如下：

实例可以根据超参数覆盖这些标签。

1. 父类 _tags 属性中设置的标签，

2. 按照继承顺序。

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，请改用 get_tags 方法。

要包含来自动态标签的覆盖，请使用 get_tags。

要检索可能包含实例覆盖的标签值，请改用 get_tag 方法。

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。不被 set_tags 或 clone_tags 设置的动态标签覆盖。

get_config()

配置是 self 的键值对，通常用作控制行为的瞬态标志。

获取自身的配置标志。

get_config 返回动态配置，它会覆盖默认配置。

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

在 clone 或 reset 调用下，配置会被保留。

config_dictdict

返回：

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)

所需状态

获取拟合参数。

要求状态为“已拟合”。

deepbool, 默认值=True

参数：

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，包括可拟合组件的拟合参数（= BaseEstimator 类型参数）。

• 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。

• fitted_params键为 str 类型的 dict

返回：

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 获取的那样，值是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，组件的参数按 [componentname]__[paramname] 索引，componentname 的所有参数作为 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

• classmethod get_param_defaults()

获取对象的默认参数。

default_dict: dict[str, Any]

返回：

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)

获取对象的参数名称。

sortbool, 默认值=True

参数：

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)。

param_names: list[str]

返回：

cls 的参数名称列表。如果 sort=False，则按它们在类 __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)

是否返回组件的参数。

获取此对象的参数值字典。

参数：

是否返回组件的拟合参数。

如果 True，将返回此对象的参数名称：值 dict，包括组件的参数（= BaseObject 类型参数）。

• 如果 False，将返回此对象的参数名称：值 dict，但不包括组件的参数。

• params键为 str 类型的 dict

返回：

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 获取的那样，值是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，组件的参数按 [componentname]__[paramname] 索引，componentname 的所有参数作为 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)

_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：

从实例中获取标签值，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。

clone_tags 从另一个对象 estimator 设置动态标签覆盖。

通过 set_tags 或 clone_tags 在实例上设置的标签，

1. 在实例构造时设置。

要检索的标签名称

2. 父类 _tags 属性中设置的标签，

3. 按照继承顺序。

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

参数：

标签值的名称。

tag_value_default任意类型，可选；默认值=None

如果未找到标签，则使用的默认/回退值

raise_errorbool

当未找到标签时是否引发 ValueError

tag_valueAny

返回：

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。

ValueError，如果 raise_error 为 True。

引发：

如果 tag_name 不在 self.get_tags().keys() 中，则引发 ValueError。

get_tags()

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

从实例中获取标签，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。

clone_tags 从另一个对象 estimator 设置动态标签覆盖。

collected_tagsdict

实例可以根据超参数覆盖这些标签。

1. 在实例构造时设置。

要检索的标签名称

2. 父类 _tags 属性中设置的标签，

3. 按照继承顺序。

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

返回：

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 对象属性获取任何覆盖和新标签。

inverse_transform(X, y=None)

目前假定只有带有标签的变换器

对 X 进行逆变换并返回逆变换后的版本。

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

具有 inverse_transform。

访问自身

要求状态为“已拟合”。

deepbool, 默认值=True

以“_”结尾的拟合模型属性。

• self.is_fitted，必须为 True

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

参数：

用于拟合变换的数据。

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。具有 2 级行 MultiIndex (instance, time) 的 pd.DataFrame，3D np.ndarray (instance, variable, time)，或 Series 类型的 pd.DataFrame 的 list。

• Hierarchical scitype = 分层时间序列集合。具有 3 级或更多级行 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，请参阅变换器教程 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，例如用于变换的标签。某些变换器需要此数据，请参阅类文档字符串了解详细信息。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了解详细信息。

X 的逆变换版本

返回：

与 X 类型相同，并符合 mtype 格式规范

is_composite()

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。

检查对象是否由其他 BaseObjects 组成。

composite: bool

返回：

对象是否有任何参数的值是 BaseObject 的后代实例。

property is_fitted

检查对象在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 的 _is_fitted` 属性。

是否已调用 fit。

bool

返回：

估计器是否已 fit。

classmethod load_from_path(serial)

serialZipFile(path).open(“object) 的结果

从文件位置加载对象。

参数：

反序列化后的自身，其输出在 path，来自 cls.save(path)

返回：

classmethod load_from_serial(serial)

serialcls.save(None) 输出的第一个元素

从序列化内存容器加载对象。

参数：

反序列化后的自身，其输出为 serial，来自 cls.save(None)

返回：

reset()

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

将对象重置到干净的初始化后状态。

调用 reset 会删除所有对象属性，除了

超参数 = __init__ 的参数，这些参数写入 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”的属性会被保留。

• 配置属性，配置保持不变。也就是说，reset 前后 get_config 的结果相同。

• 类方法和对象方法，以及类属性也不受影响。

等效于 clone，不同之处在于 reset 会改变 self 而不是返回一个新对象。

在调用 self.reset() 后，self 在值和状态上与调用构造函数``type(self)(**self.get_params(deep=False))`` 后获得的对象相同。

类实例重置为干净的初始化后状态，但保留当前超参数值。

返回：

对自身的引用。

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

行为：如果 path 为 None，则返回一个内存中的序列化自身；如果 path 是文件位置，则将自身在该位置存储为 zip 文件

将序列化的自身保存到类字节对象或 (.zip) 文件。

保存的文件是 zip 文件，包含以下内容： _metadata - 包含自身的类，即 type(self) _obj - 序列化的自身。此类使用默认序列化（pickle）。

pathNone 或文件位置 (str 或 Path)

参数：

如果为 None，则将自身保存到内存对象；如果是文件位置，则将自身保存到该文件位置。如果

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

• path=”/home/stored/estimator”，则将在 /home/stored/ 中存储 estimator.zip zip 文件。

• 存储在 /home/stored/ 中。

serialization_format: str, 默认值 = “pickle”

用于序列化的模块。可用选项是“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 - 内存中的序列化自身

返回：

如果 path 是文件位置 - 引用该文件的 ZipFile

如果 path 是文件位置 - 引用该文件的 ZipFile 对象

set_config(**config_dict)

将配置标志设置为给定值。

参数：

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。

配置名称与配置值配对的字典。有效的配置、值及其含义如下所示：

displaystr, “diagram” (默认), 或 “text”

jupyter 内核如何显示实例自身

• “diagram” = html 盒图表示

• “text” = 字符串打印输出

print_changed_onlybool, 默认=True

打印自身时是否只列出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，即仅影响自身，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” = 将不引发来自 sktime 的警告

backend:parallelstr, 可选, 默认=”None”

广播/向量化时用于并行处理的后端，取值之一：

• “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, 需要环境中包含 dask 包

• “ray”: 使用 ray, 需要环境中包含 ray 包

backend:parallel:paramsdict, 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 joblib 后端，可传递任何 joblib.Parallel 的有效键，例如 n_jobs，但 backend 除外，它由 backend 直接控制。如果未传递 n_jobs，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。可传递任何 joblib.Parallel 的有效键，例如 n_jobs，在这种情况下，必须将 backend 作为 backend_params 的一个键传递。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。

• “dask”: 可传递 dask.compute 的任何有效键，例如 scheduler

• “ray”: 可传递以下键

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

  • “shutdown_ray”: bool, 默认=True; False 防止 ray 在并行化后关闭。

    并行化之后关闭。

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

  • “mute_warnings”: bool, 默认=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

控制输入检查和转换，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 - 假定输入为指定的 mtype，执行转换但不检查

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

返回：

self自身引用。

注意事项

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，如果在 get_params 键中是唯一的。

返回：

self自身引用（参数设置后）

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

为自身设置 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 导出的整数。这些整数通过 sample_dependent_seed 进行链式哈希采样，并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，或者任何组件都没有 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 int 值可在多次函数调用中获得可重现的输出。

是否返回组件的拟合参数。

是否在 skbase 对象值参数中设置随机状态，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，则同时设置组件对象中的 random_state 参数。

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

• “copy” : self.random_state 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，

派生自输入的 random_state，通常与其不同

返回：

self自身引用

set_tags(**tag_dict)

将实例级别标签覆盖设置为给定值。

_get_class_tag 方法是一个类方法，仅考虑类级别标签值和覆盖来检索标签的值。

标签是实例 self 特有的键值对，它们是构建对象后不会更改的静态标记。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__ 直接调用后调用。

estimator:class:BaseObject 或派生类的实例

参数：

**tag_dictdict

标签名称: 标签值 对的字典。

返回：

自身

自身引用。

transform(X, y=None)

变换 X 并返回变换后的版本。

要求状态为“已拟合”。

deepbool, 默认值=True

以“_”结尾的拟合模型属性。

• self.is_fitted，必须为 True

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

参数：

用于拟合变换的数据。

要转换的数据。

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)，或 Series 类型的 pd.DataFrame 的 list。

• Hierarchical scitype = 分层时间序列集合。具有 3 级或更多级行 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，请参阅变换器教程 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，例如用于变换的标签。某些变换器需要此数据，请参阅类文档字符串了解详细信息。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了解详细信息。

X 的逆变换版本

返回：

类型取决于 X 的类型和 scitype:transform-output 标签

X | tf-output | 返回类型 |

	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

表中未列出的组合目前不受支持

具体来说，带示例

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，则返回与 X 实例数量相同的 Panel（变换器应用于每个输入的 Series 实例）。示例：对 Panel 中的所有时间序列进行单独去趋势

如果 X 是 Series 或 Panel 并且 transform-output 是

• Primitives，则返回的 pd.DataFrame 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，

• 则返回一个类型为 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)

update(X, y=None, update_params=True)

使用 X（可选地使用 y）更新变换器。

要求状态为“已拟合”。

deepbool, 默认值=True

以“_”结尾的拟合模型属性。

• self.is_fitted，必须为 True

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

设置以“_”结尾的拟合模型属性，拟合属性可通过 get_fitted_params 查看。

• self.is_fitted，必须为 True

• 如果 remember_data 标签为 True，则通过 update_data 将数据写入 self._X，用 X 中的值更新。

参数：

用于拟合变换的数据。

用于更新转换的数据

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)，或 Series 类型的 pd.DataFrame 的 list。

• Hierarchical scitype = 分层时间序列集合。具有 3 级或更多级行 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，请参阅变换器教程 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，例如用于变换的标签。某些变换器需要此数据，请参阅类文档字符串了解详细信息。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了解详细信息。

X 的逆变换版本

返回：

fit_transform(X, y=None)