SqrtTransformer#

class SqrtTransformer(offset='auto')[source]#

对时间序列应用元素级别的平方根转换。

转换按元素执行以下操作：

添加常数 offset (偏移量)
应用平方根

Offset="auto" 计算最小的偏移量，确保在取平方根之前所有元素都非负。

参数:

offset“auto”, int or float, default=”auto”: 在对输入时间序列求指定 power 次幂之前，添加到输入时间序列的偏移量。如果设置为“auto”，则会检查序列是否包含负值。如果发现负值，则偏移量将等于最负值的绝对值。如果不存在负值，则偏移量设为零。如果提供整数或浮点值，则将使用该值作为偏移量。

属性:

offsetint or float: 用户提供的偏移值。

另请参阅

BoxCoxTransformer: 应用 Box-Cox 幂转换。有助于规范化数据并压缩序列的方差。
LogTransformer: 使用自然对数转换输入数据。有助于规范化数据并压缩序列的方差。
sktime.transformations.series.exponent.ExponentTransformer: 通过将输入数据提高到指定的指数进行转换。如果提供的是小数指数，则有助于压缩序列的方差。

注意

对于输入序列 Z，平方根转换定义为 \((Z + offset)^{0.5}\)。

示例

>>> from sktime.transformations.series.exponent import SqrtTransformer
>>> from sktime.datasets import load_airline
>>> y = load_airline()
>>> transformer = SqrtTransformer()
>>> 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克隆。
`clone_tags`(estimator[, tag_names])	将其他对象的标签克隆为动态覆盖。
`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])	将转换器拟合到 X，可选地拟合到 y。
`fit_transform`(X[, y])	拟合到数据，然后进行转换。
`get_class_tag`(tag_name[, tag_value_default])	从类中获取类标签值，考虑父类的标签继承级别。
`get_class_tags`()	从类中获取类标签，考虑父类的标签继承级别。
`get_config`()	获取自身的配置标志。
`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，考虑标签级别的继承和覆盖。
`get_tags`()	从实例中获取标签，考虑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])	逆向转换 X 并返回逆向转换后的版本。
`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`()	将对象重置为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类对象或到 (.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])	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, default=”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。转换器目前没有保留值。

返回:

paramsdict or list of dict, default = {}: 创建类的测试实例的参数。每个字典都是构造一个“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）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, optional: 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克隆。

克隆是具有相同超参数和配置但没有共享引用的不同对象，处于初始化后的状态。此函数等效于返回 self 的 sklearn.clone。

等效于构造一个 type(self) 的新实例，参数与 self 相同，即 type(self)(**self.get_params(deep=False))。

如果在 self 上设置了配置，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 返回新对象，而 reset 会改变 self。

引发:

如果由于错误的 __init__ 导致克隆不符合规范，则会引发 RuntimeError。

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

将其他对象的标签克隆为动态覆盖。

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

标签是特定于实例 self 的键值对，它们是构造对象后不会更改的静态标志。

clone_tags 设置来自另一个对象 estimator 的动态标签覆盖。

clone_tags 方法应仅在对象的 __init__ 方法中、构造期间或通过 __init__ 直接在构造后调用。

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_namesstr 或 list of str, default = None: 要克隆的标签名称。默认值（None）会克隆 estimator 中的所有标签。

返回:

self: 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, default=”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使用默认参数的类实例

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, default=”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])
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，命名约定是 {cls.__name__}-{i}，否则是 {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”。

写入自身

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

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，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

用于拟合转换的数据。

sktime 中的单个数据格式是所谓的 mtype 规范，每个 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。pd.DataFrame 具有 2 级行 MultiIndex (instance, time)，3D np.ndarray (instance, variable, time)，由 Series 类型 pd.DataFrame 组成的 list
Hierarchical scitype = 时间序列的分层集合。pd.DataFrame 具有 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 术语表。有关用法，请参阅转换器教程 examples/03_transformers.ipynb

yoptional, data in sktime compatible data format, default=None

额外数据，例如用于转换的标签。某些转换器需要此项，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，而不是可选的。有关所需格式，请参阅类文档字符串了解详细信息。

返回:

self估计器的已拟合实例

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

拟合到数据，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。

状态变化: 将状态更改为“已拟合”。

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

可能通过引用强制转换为内部类型或 update_data 兼容类型（如果可能）

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 中的单个数据格式是所谓的 mtype 规范，每个 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。pd.DataFrame 具有 2 级行 MultiIndex (instance, time)，3D np.ndarray (instance, variable, time)，由 Series 类型 pd.DataFrame 组成的 list
Hierarchical scitype = 时间序列的分层集合。pd.DataFrame 具有 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 术语表。有关用法，请参阅转换器教程 examples/03_transformers.ipynb

yoptional, data in sktime compatible data format, default=None

额外数据，例如用于转换的标签。某些转换器需要此项，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，而不是可选的。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 | 转换输出 | 返回类型 |

|----------|————–|------------------------| | Series | 基本类型 | pd.DataFrame (1 行) | | Panel | 基本类型 | 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)

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处理

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 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，

则返回是一个 pd-multiindex 类型的 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)[source]#

从类中获取类标签值，考虑父类的标签继承级别。

每个 scikit-base 兼容对象都有一个标签字典，用于存储有关对象的元数据。

get_class_tag 方法是类方法，仅考虑类级别的标签值和覆盖来检索标签值。

它返回名称为 tag_name 的标签值，考虑以下优先级降序的标签覆盖：

类中 _tags 属性中设置的标签。
父类中 _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_defaultany type: 如果找不到标签，则使用的默认/回退值。

返回:

tag_value: self 中 tag_name 标签的值。如果找不到，则返回 tag_value_default。

classmethod get_class_tags()[source]#

从类中获取类标签，考虑父类的标签继承级别。

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

标签是特定于实例 self 的键值对，它们是构造对象后不会更改的静态标志。

get_class_tags 方法是类方法，仅考虑类级别的标签值和覆盖来检索标签值。

它返回一个字典，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，覆盖优先级降序如下：

类中 _tags 属性中设置的标签。
父类中 _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。不会被通过 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_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，然后是 _onfig_dynamic 对象属性的任何覆盖和新标签。

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, default=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（= 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称:值字典，但不包括组件的已拟合参数。

返回:

fitted_paramsdict with str-valued keys

已拟合参数字典，键为参数名:参数值

总是包含：此对象的所有已拟合参数，如通过 get_param_names 值是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，组件参数的索引形式为 [componentname]__[paramname]，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

classmethod get_param_defaults()[source]#

获取对象的默认参数。

返回:

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

classmethod get_param_names(sort=True)[source]#

获取对象的参数名称。

参数:

sortbool, default=True: 是否按字母顺序返回参数名称 (True)，或按它们在类的 __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，则按它们在类的 __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)[source]#

获取此对象的参数值字典。

参数:

deepbool, default=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 值的参数）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:

paramsdict with str-valued keys

参数字典，键为参数名:参数值

总是包含：此对象的所有参数，如通过 get_param_names，值是此对象该键的参数值，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，组件参数的索引形式为 [componentname]__[paramname]，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，考虑标签级别的继承和覆盖。

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

标签是特定于实例 self 的键值对，它们是构造对象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 的单个标签值，考虑以下优先级降序的标签覆盖：

通过 set_tags 或 clone_tags 在实例上设置的标签，

在实例构造时设置。

类中 _tags 属性中设置的标签。
父类中 _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_defaultany type, optional; default=None: 如果找不到标签，则使用的默认/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，则在 raise_error 为 True 时引发错误，否则返回 tag_value_default。

引发:

ValueError，如果 raise_error 为 True。: 当 tag_name 不在 self.get_tags().keys() 中时，则会引发 ValueError。

get_tags()[source]#

从实例中获取标签，考虑标签级别的继承和覆盖。

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

标签是特定于实例 self 的键值对，它们是构造对象后不会更改的静态标志。

get_tags 方法返回一个标签字典，键是类或其任何父类中设置的任何 _tags 属性的键，或通过 set_tags 或 clone_tags 设置的标签。

值是相应的标签值，覆盖优先级降序如下：

通过 set_tags 或 clone_tags 在实例上设置的标签，

在实例构造时设置。

类中 _tags 属性中设置的标签。
父类中 _tags 属性中设置的标签，

按继承顺序排列。

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，然后是 _tags_dynamic 对象属性的任何覆盖和新标签。

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

逆向转换 X 并返回逆向转换后的版本。

目前假定只有标签为: “scitype:transform-input”=”Series”，“scitype:transform-output”=”Series”，

的转换器具有 inverse_transform。

所需状态: 要求状态为“已拟合”。

访问自身属性

以“_”结尾的拟合模型属性。

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 中的单个数据格式是所谓的 mtype 规范，每个 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。pd.DataFrame 具有 2 级行 MultiIndex (instance, time)，3D np.ndarray (instance, variable, time)，由 Series 类型 pd.DataFrame 组成的 list
Hierarchical scitype = 时间序列的分层集合。pd.DataFrame 具有 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 术语表。有关用法，请参阅转换器教程 examples/03_transformers.ipynb

yoptional, data in sktime compatible data format, default=None

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

返回:

X 的逆向转换版本: 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 BaseObject 组成。

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

返回:

composite: bool: 对象的任何参数值是否为 BaseObject 派生实例。

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: 估计器是否已 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:

反序列化自身，结果为 path 上的输出，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 1 个元素

返回:

反序列化自身，结果为输出 serial，即 cls.save(None) 的输出

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。

一个 reset 调用会删除任何对象属性，除了

超参数 = __init__ 的参数，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。即 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。

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

在调用 self.reset() 后，self 在值和状态上等于通过构造函数调用``type(self)(**self.get_params(deep=False))`` 获得的对象。

返回:

self: 类实例重置为干净的初始化后状态，但保留当前超参数值。

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

将序列化的自身保存到字节类对象或到 (.zip) 文件。

行为：如果 path 为 None，则返回内存中的序列化自身；如果 path 是文件位置，则将自身存储在该位置作为 zip 文件。

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

参数:

pathNone or file location (str or Path)

如果为 None，则将自身保存到内存对象中；如果是文件位置，则将自身保存到该文件位置。如果 path=”estimator”，则会在当前工作目录创建 zip 文件 estimator.zip。

如果 path=”/home/stored/estimator”，则 estimator.zip zip 文件将
存储在 /home/stored/ 中。

存储在 /home/stored/ 中。

serialization_format: str, default = “pickle”

用于序列化的模块。可用选项有“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 - 内存中的序列化自身
如果 path 是文件位置 - ZipFile，引用该文件

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。以下列出了有效的配置、值及其含义

displaystr, “diagram” (default), or “text”

jupyter 内核如何显示自身实例

“diagram” = html 框图表示
“text” = 字符串打印输出

print_changed_onlybool, default=True

打印自身时，是只列出自参数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，即只影响自身而不影响组件估计器。

warningsstr, “on” (default), or “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:parallelstr, optional, default=”None”

广播/向量化时用于并行的后端，可以是以下之一

“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, optional, default={} (no parameters passed)

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，这里可以传入 joblib.Parallel 的任何有效键，例如 n_jobs，但 backend 除外，它由 backend 直接控制。如果未传入 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，在此情况下，必须将 backend 作为 backend_params 的键传入。如果未传入 n_jobs，它将默认为 -1，其他参数将默认为 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 的有效键字典
- “shutdown_ray”：布尔值，默认值=True；False 会阻止 ray
  在并行化后关闭。
- “logger_name”：字符串，默认值=”ray”；要使用的日志记录器的名称。
- “mute_warnings”：布尔值，默认值=False；如果为 True，则抑制警告

input_conversionstr，可以是“on”（默认）、“off”或有效的 mtype 字符串

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 - 输入被假定为指定的 mtype，执行转换但不执行检查

output_conversionstr，可以是“on”、“off”或有效的 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 - 输出转换为指定的 mtype

返回:

self对自身的引用。

注意

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。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，也可以使用字符串 <parameter>（不带 <component>__），例如，没有两个组件参数具有名称 <parameter>。

参数:

**params字典: 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:

self对自身的引用（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 找到名为 random_state 的参数，并使用 set_params 将它们设置为从 random_state 派生的整数。这些整数通过 sample_dependent_seed 从链式哈希采样，并保证伪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 时应用于剩余的组件对象。

注意：即使 self 没有 random_state，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_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 值可在多次函数调用中获得可重现的输出。

deepbool, default=True

是否在具有 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，则也会在组件对象中设置 random_state 参数。

self_policystr，可以是 {“copy”, “keep”, “new”} 之一，默认值=”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，并且通常与它不同

返回:

self对自身的引用

set_tags(**tag_dict)[source]#

将实例级别的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，用于存储有关对象的元数据。

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 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的值。

set_tags 方法应仅在对象的 __init__ 方法中（构造期间）或通过 __init__ 构造后直接调用。

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: 对自身的引用。

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”。

访问自身属性

以“_”结尾的拟合模型属性。

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 中的单个数据格式是所谓的 mtype 规范，每个 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。pd.DataFrame 具有 2 级行 MultiIndex (instance, time)，3D np.ndarray (instance, variable, time)，由 Series 类型 pd.DataFrame 组成的 list
Hierarchical scitype = 时间序列的分层集合。pd.DataFrame 具有 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 术语表。有关用法，请参阅转换器教程 examples/03_transformers.ipynb

yoptional, data in sktime compatible data format, default=None

额外数据，例如用于转换的标签。某些转换器需要此项，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
X	-输出	返回类型
时间序列	基本类型	pd.DataFrame (1行)
面板数据	基本类型	`pd.DataFrame`
时间序列	时间序列	时间序列
面板数据	时间序列	面板数据
时间序列	面板数据	面板数据

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)

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处理

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 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，

则返回是一个 pd-multiindex 类型的 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)[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”。

访问自身属性

以“_”结尾的拟合模型属性。

self.is_fitted，必须为 True

写入自身

以“_”结尾的拟合模型属性。

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

用于更新转换的数据

sktime 中的单个数据格式是所谓的 mtype 规范，每个 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。pd.DataFrame 具有 2 级行 MultiIndex (instance, time)，3D np.ndarray (instance, variable, time)，由 Series 类型 pd.DataFrame 组成的 list
Hierarchical scitype = 时间序列的分层集合。pd.DataFrame 具有 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 术语表。有关用法，请参阅转换器教程 examples/03_transformers.ipynb

yoptional, data in sktime compatible data format, default=None

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

返回:

self估计器的已拟合实例