幂变换器#

class ExponentTransformer(power=0.5, offset='auto')[source]#

对时间序列应用逐元素的幂变换。

变换执行以下逐元素操作

加上常数 offset (平移)
提升到指定的 power 幂（指数化）

Offset=”auto” 计算偏移量，使其成为确保所有元素在指数化之前非负的最小偏移量。

参数:

powerint 或 float，默认为 0.5: 输入时间序列要提升到的幂。
offset“auto”，int 或 float，默认为“auto”: 在将时间序列提升到给定 power 之前添加到输入时间序列的偏移量。如果为“auto”，则检查序列以确定是否包含负值。如果找到负值，则偏移量将等于最负值的绝对值。如果没有负值，则偏移量设置为零。如果提供整数或浮点值，将使用该值作为偏移量。

属性:

powerint 或 float: 用户提供的幂。
offsetint 或 float，或可迭代对象。: 用户提供的偏移值。标量或 1D 可迭代对象，其值数量与变换中的 X 列数相同。

另请参阅

BoxCoxTransformer: 应用 Box-Cox 幂变换。有助于数据归一化和压缩序列方差。
LogTransformer: 使用自然对数变换输入数据。有助于数据归一化和压缩序列方差。
sktime.transformations.series.exponent.SqrtTransformer: 对输入数据取平方根进行变换。有助于压缩输入序列的方差。

注释

对于输入序列 Z，幂变换定义为 \((Z + offset)^{power}\)。

示例

>>> from sktime.transformations.series.exponent import ExponentTransformer
>>> from sktime.datasets import load_airline
>>> y = load_airline()
>>> transformer = ExponentTransformer()
>>> y_transform = transformer.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])	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建类的实例。
`create_test_instances_and_names`([parameter_set])	创建所有测试实例的列表和它们的名称列表。
`fit`(X[, y])	将变换器拟合到 X，可选项为 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，具有父类的标签级别继承。
`get_class_tags`()	从类中获取类标签，具有父类的标签级别继承。
`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])	将序列化后的自身保存到字节类对象或 (.zip) 文件中。
`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 更新变换器，可选项为 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，默认为“default”: 要返回的测试参数集的名称，用于测试。如果没有为某个值定义特殊参数，则返回 "default" 集。变换器目前没有保留值。

返回:

paramsdict 或 dict 列表，默认为 {}: 创建类的测试实例的参数。每个字典都是构造一个“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: 调用此方法的名称。如果提供，错误消息将包含此信息。

抛出:

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。

一个克隆是不同的对象，没有共享引用，处于初始化后状态。此函数等同于返回 self 的 sklearn.clone。

等同于构造一个 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，但有一个例外：clone 返回一个新对象，而不是像 reset 那样修改 self。

抛出:

如果由于错误的 __init__ 导致克隆不符合要求，则会引发 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 方法只能在对象的 __init__ 方法中调用，即在构造过程中或通过 __init__ 直接构造之后调用。

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

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

当前标签值可以通过 get_tags 或 get_tag 检查。

参数:

estimator:class:BaseObject 或派生类的实例
tag_names字符串或字符串列表，默认 = 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建类的实例。

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具有默认参数的类实例

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

创建所有测试实例的列表和它们的名称列表。

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 实例列表: 第 i 个实例是 cls(**cls.get_test_params()[i])
names字符串列表，长度与 objs 相同: 第 i 个元素是测试中 objs 的第 i 个实例的名称。如果实例多于一个，命名约定是 {cls.__name__}-{i}，否则是 {cls.__name__}

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

将变换器拟合到 X，可选项为 y。

状态变化: 状态更改为“已拟合”（fitted）状态。

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

用于拟合变换的数据。

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 (1D 或 2D)
Panel scitype = 时间序列集合。具有两级行 MultiIndex (instance, time) 的 pd.DataFrame，3D np.ndarray (instance, variable, time)，或 Series 类型 pd.DataFrame 的 list
Hierarchical scitype = 层级时间序列集合。具有三级或更多级行 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 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=None

附加数据，例如用于变换的标签。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情。

返回:

self估计器的已拟合实例

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

拟合数据，然后进行变换。

将转换器拟合到 X 和 y，并返回 X 的变换版本。

状态变化: 状态更改为“已拟合”（fitted）状态。

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

如果可能，通过引用强制转换为内部类型或与 update_data 兼容的类型

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

用于拟合变换的数据，以及要变换的数据。

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 (1D 或 2D)
Panel scitype = 时间序列集合。具有两级行 MultiIndex (instance, time) 的 pd.DataFrame，3D np.ndarray (instance, variable, time)，或 Series 类型 pd.DataFrame 的 list
Hierarchical scitype = 层级时间序列集合。具有三级或更多级行 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 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=None

附加数据，例如用于变换的标签。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情。

返回:

X 的变换版本

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

表中未列出的组合目前不支持

具体示例

如果 X 是 Series (例如，pd.DataFrame)

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处理

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

是 Series，则返回是与 X 具有相同数量实例的 Panel（转换器应用于每个输入的 Series 实例）。示例：Panel 中的所有序列都单独进行去趋势处理

如果 X 是 Series 或 Panel 且 transform-output 是

Primitives，则返回是 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 个序列的均值和方差

如果 X 是 Series 且 transform-output 是 Panel，

则返回是 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]#

从类中获取类标签值，具有父类的标签级别继承。

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。

它返回对象中名称为 tag_name 的标签的值，考虑到标签覆盖，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 _tags 属性中设置的标签，

按继承顺序。

不考虑实例上通过 set_tags 或 clone_tags 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_name字符串: 标签值的名称。
tag_value_default任意类型: 如果未找到标签的默认/备用值。

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]#

从类中获取类标签，具有父类的标签级别继承。

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设置的 _tags 的任何属性的键。

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 _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_tags字典: 标签名称 : 标签值对的字典。通过嵌套继承从 _tags 类属性收集。不会被 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，并通过 set_config 设置的动态配置进行覆盖。

配置在 clone 或 reset 调用中保留。

返回:

config_dict字典: 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 对象属性中获取任何覆盖和新标签。

get_fitted_params(deep=True)[source]#

获取拟合参数。

所需状态: 要求状态为“已拟合”（fitted）状态。

参数:

deep布尔值，默认=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称 : 值字典，包括可拟合组件的已拟合参数（= BaseEstimator 值参数）。
如果为 False，将返回此对象的参数名称 : 值字典，但不包括组件的已拟合参数。

返回:

fitted_params以字符串为键的字典

已拟合参数字典，参数名 : 参数值键值对包含

总是包含：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。组件的参数索引为 [componentname]__[paramname]，componentname 的所有参数显示为 paramname 及其值
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:

sort布尔值，默认=True: 是按字母顺序（True）还是按它们在类 __init__ 中出现的顺序（False）返回参数名称。

返回:

param_names: list[str]: cls 的参数名称列表。如果 sort=False，顺序与它们在类 __init__ 中出现的顺序相同。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:

deep布尔值，默认=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，包括组件的参数（= BaseObject 值参数）。
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以字符串为键的字典

参数字典，参数名 : 参数值键值对包含

总是包含：此对象的所有参数，通过 get_param_names 获取，值为此对象该键的参数值，这些值总是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。组件的参数索引为 [componentname]__[paramname]，componentname 的所有参数显示为 paramname 及其值
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 的单个标签的值，考虑到标签覆盖，按以下优先级降序排列：

实例上通过 set_tags 或 clone_tags 设置的标签，

在实例构造时设置。

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_name字符串: 要检索的标签名称
tag_value_default任意类型，可选；默认=None: 如果未找到标签的默认/备用值
raise_error布尔值: 未找到标签时是否引发 ValueError

返回:

tag_value任意类型: 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。

抛出:

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，覆盖按以下优先级降序排列：

实例上通过 set_tags 或 clone_tags 设置的标签，

在实例构造时设置。

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_tags字典: 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 对象属性中获取任何覆盖和新标签。

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

对 X 进行逆变换并返回逆变换后的版本。

目前假设只有具有以下标签的转换器: “scitype:transform-input”=”Series”， “scitype:transform-output”=”Series”，

才具有 inverse_transform 方法。

所需状态: 要求状态为“已拟合”（fitted）状态。

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

用于拟合变换的数据。

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 (1D 或 2D)
Panel scitype = 时间序列集合。具有两级行 MultiIndex (instance, time) 的 pd.DataFrame，3D np.ndarray (instance, variable, time)，或 Series 类型 pd.DataFrame 的 list
Hierarchical scitype = 层级时间序列集合。具有三级或更多级行 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 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=None

附加数据，例如用于变换的标签。有些转换器需要此数据，详细信息请参阅类文档字符串。

返回:

X 的逆变换版本: 与 X 类型相同，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: 布尔值: 对象是否包含任何值是 BaseObject 后代实例的参数。

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:

布尔值: 估计器是否已进行 fit 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:

反序列化后的 self，其输出在 path，是 cls.save(path) 的结果

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:

反序列化后的 self，其输出是 serial，是 cls.save(None) 的结果

reset()[source]#

将对象重置到干净的初始化后状态。

结果是将 self 设置为构造函数调用后直接拥有的状态，具有相同的超参数。通过 set_config 设置的配置值也保留。

reset 调用会删除任何对象属性，除了

超参数 = 写入 self 的 __init__ 的参数，例如 self.paramname，其中 paramname 是 __init__ 的一个参数
包含双下划线的对象属性，即字符串“__”。例如，名为“__myattr”的属性被保留。
配置属性，配置不变地保留。也就是说，在 reset 之前和之后调用 get_config 的结果是相同的。

类和对象方法以及类属性也不受影响。

等同于 clone，但有一个例外：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: 类实例被重置到干净的初始化后状态，但保留当前超参数值。

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

将序列化后的自身保存到字节类对象或 (.zip) 文件中。

行为：如果 path 为 None，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（pickle）。

参数:

pathNone 或文件位置（字符串或 Path 对象）

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 (cwd) 下创建 zip 文件 estimator.zip。
path=”/home/stored/estimator”，则 zip 文件 estimator.zip 将存储在

存储在 /home/stored/ 中。

serialization_format: 字符串，默认 = “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。

返回:

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

set_config(**config_dict)[source]#

将配置标志设置为给定值。

参数:

config_dict字典

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：

display字符串，“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_only布尔值，默认=True

打印 self 时是仅列出与默认值不同的 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 而不影响组件估计器。

warnings字符串，“on”（默认），或“off”

是否引发警告，仅影响 sktime 的警告

“on” = 将引发 sktime 的警告
“off” = 不会引发 sktime 的警告

backend:parallel字符串，可选，默认=”None”

广播/向量化时用于并行化的后端，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:params字典，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。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，其他参数将默认使用 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。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，则默认值为 -1，其他参数将默认使用 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”：布尔值，默认=True；False 防止 ray 在并行化后
  关闭。
- “logger_name”：字符串，默认=”ray”；要使用的日志记录器名称。
- “mute_warnings”：布尔值，默认=False；如果为 True，则抑制警告

input_conversion字符串，可以是“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_conversion字符串，可以是“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" - _transform、_inverse_transform 的输出直接返回
有效 mtype 字符串 - 输出转换为指定的 mtype

返回:

self对 self 的引用。

注释

更改对象状态，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，也可以使用不带 <component>__ 的字符串 <parameter>，例如，没有两个组件参数具有相同的名称 <parameter>。

参数:

**params字典: BaseObject 参数，键必须是 <component>__<parameter> 字符串。如果 __ 后缀在 get_params 键中唯一，则可以作为完整字符串的别名。

返回:

self对 self 的引用（参数设置后）

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 查找名为 random_state 的参数，并通过 set_params 将其设置为从 random_state 派生的整数。这些整数通过 sample_dependent_seed 从链式哈希采样，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，且仅当 deep=True 时应用于剩余的组件对象。

注意：即使 self 没有 random_state，或者任何组件没有 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_state整数，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重现的输出。

deep布尔值，默认=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，则仅设置 self 的 random_state 参数（如果存在）。
如果为 True，则也会在组件对象中设置 random_state 参数。

self_policy字符串，{“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，

从输入的 random_state 派生，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更改的静态标志。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__ 方法中调用，即在构造过程中或通过 __init__ 直接构造之后调用。

当前标签值可以通过 get_tags 或 get_tag 检查。

参数:

**tag_dict字典: 标签名称: 标签值对的字典。

返回:

Self: 对 self 的引用。

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

变换 X 并返回变换后的版本。

所需状态: 要求状态为“已拟合”（fitted）状态。

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

要变换的数据。

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 (1D 或 2D)
Panel scitype = 时间序列集合。具有两级行 MultiIndex (instance, time) 的 pd.DataFrame，3D np.ndarray (instance, variable, time)，或 Series 类型 pd.DataFrame 的 list
Hierarchical scitype = 层级时间序列集合。具有三级或更多级行 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 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=None

附加数据，例如用于变换的标签。有些转换器需要此数据，详细信息请参阅类文档字符串。

返回:

X 的变换版本
类型取决于 X 的类型和 scitype:transform-output 标签

	变换
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支持

具体示例

如果 X 是 Series (例如，pd.DataFrame)

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处理

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

是 Series，则返回是与 X 具有相同数量实例的 Panel（转换器应用于每个输入的 Series 实例）。示例：Panel 中的所有序列都单独进行去趋势处理

如果 X 是 Series 或 Panel 且 transform-output 是

Primitives，则返回是 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 个序列的均值和方差

如果 X 是 Series 且 transform-output 是 Panel，

则返回是 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 更新变换器，可选项为 y。

所需状态: 要求状态为“已拟合”（fitted）状态。

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 self._X 写入并用 X 中的值更新。

参数:

Xsktime 兼容数据容器格式的时间序列

用于更新变换的数据

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 (1D 或 2D)
Panel scitype = 时间序列集合。具有两级行 MultiIndex (instance, time) 的 pd.DataFrame，3D np.ndarray (instance, variable, time)，或 Series 类型 pd.DataFrame 的 list
Hierarchical scitype = 层级时间序列集合。具有三级或更多级行 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 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=None

附加数据，例如用于变换的标签。有些转换器需要此数据，详细信息请参阅类文档字符串。

返回:

self估计器的已拟合实例