特征选择#

class FeatureSelection(method='feature-importances', n_columns=None, regressor=None, random_state=None, columns=None)[source]#

选择外生特征。

用于对外生数据进行可调特征选择的转换器。FeatureSelection 实现了多种选择特征（列）的方法。如果 X 是 pd.Series，则直接通过，除非 method=”none”，此时 transform() 返回 None。

参数：
method字符串, 必需

选择特征的方法。已实现的方法有

  • “feature-importances”：使用回归器（元模型）的 feature_importances_ 来选择 n_columns 个重要性值最高的特征。需要参数 n_columns。

  • “random”：随机选择 n_columns 个特征。需要参数 n_columns。

  • “columns”：按给定的名称选择特征。

  • “none”：移除所有列，transform 返回 None。

  • “all”：选择所有给定特征。

regressor类似 sklearn 的回归器，可选，默认为 None。

用作方法“feature-importances”的元模型。给定的回归器必须有一个属性“feature_importances_”。如果为 None，则使用 GradientBoostingRegressor(max_depth=5)。

n_columns整型，可选

要选择的特征（列）数量。n_columns 必须 <= X 的列数。有些方法需要给定 n_columns。

random_state整型，RandomState 实例或 None，默认为 None

用于设置默认回归器的 random_state，如果 method=”random”，则设置 random.seed()。

columns字符串列表

要选择的列列表。如果指定了 columns。

属性：
columns_字符串列表

已选择作为特征的列列表。

regressor_类似 sklearn 的回归器

已拟合的回归器（元模型）。

n_columns_: 整型

如果 n_columns 为 None，则从特征数量派生而来，n_columns_ 将计算为 int(math.ceil(Z.shape[1] / 2))。因此，默认情况下只取给定特征的一半。

feature_importances_字典或 None

一个字典，键为列名，值为特征重要性值。字典按值降序排序。如果 method=”feature-importances”，此属性为字典，否则为 None。

示例

>>> from sktime.transformations.series.feature_selection import FeatureSelection
>>> from sktime.datasets import load_longley
>>> y, X = load_longley()
>>> transformer = FeatureSelection(method="feature-importances", n_columns=3)
>>> Xt = transformer.fit_transform(X, 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])

将标签从另一个对象克隆为动态覆盖。

create_test_instance([parameter_set])

构造类的实例，使用第一个测试参数集。

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，可选拟合到 y。

fit_transform(X[, y])

拟合到数据，然后对其进行转换。

get_class_tag(tag_name[, tag_value_default])

从类获取类标签值，带有来自父类的标签级别继承。

get_class_tags()

从类获取类标签，带有来自父类的标签级别继承。

get_config()

获取 self 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，带有标签级别继承和覆盖。

get_tags()

从实例获取标签，带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])

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 self 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 self 的 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])

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_set字符串，默认值="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。

返回：
params字典或字典列表，默认值 = {}

用于创建类测试实例的参数。每个字典都是用于构造一个“有趣的”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_name字符串，可选

调用此方法的名称。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。

等效于构造一个新的type(self)实例，使用self的参数，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())。

其值也等效于调用self.reset，但clone返回一个新对象，而不是像reset那样改变self。

引发：
如果由于__init__错误导致克隆不符合要求，则引发RuntimeError。
clone_tags(estimator, tag_names=None)[source]#

将标签从另一个对象克隆为动态覆盖。

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。

clone_tags从另一个对象estimator设置动态标签覆盖。

应仅在对象的__init__方法中调用clone_tags方法，即在构造期间，或在通过__init__构造后直接调用。

动态标签设置为estimator中指定tag_names的标签的值。

tag_names的默认设置是将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_names字符串或字符串列表，默认值 = None
要克隆的标签名称。默认值（None）克隆estimator中的所有标签。

self

返回：
self的引用。

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

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。

构造类的实例，使用第一个测试参数集。

参数：
parameter_set字符串，默认值="default"

instance具有默认参数的类实例

返回：
classmethod create_test_instances_and_names(parameter_set='default')[source]#
objscls 实例列表

创建所有测试实例的列表及其名称列表。

参数：
parameter_set字符串，默认值="default"

instance具有默认参数的类实例

返回：
第 i 个实例是cls(**cls.get_test_params()[i])

names字符串列表，与 objs 长度相同

第 i 个元素是测试中第 i 个 obj 实例的名称。命名约定是如果有多个实例，则为{cls.__name__}-{i}，否则为{cls.__name__}

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

状态改变

将转换器拟合到 X，可选拟合到 y。

将状态改为“fitted”。

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 都实现了抽象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2级行MultiIndex（instance, time）的pd.DataFrame，3Dnp.ndarray（instance, variable, time），或Series类型pd.DataFrame的list

  • Hierarchical scitype = 分层时间序列集合。具有3级或更多行MultiIndex（hierarchy_1, ..., hierarchy_n, time）的pd.DataFrame

  • 有关数据格式的更多详细信息，请参见mtype词汇表。有关用法，请参见转换器教程examples/03_transformers.ipynb

y可选，sktime 兼容数据格式的数据，默认为 None

额外数据，例如用于转换的标签。有些转换器需要此项，请参见类文档字符串了解详情。如果self.get_tag("requires_y")为True，则必须在fit中传递，而不是可选。

self估计器的已拟合实例

返回：
fit_transform(X, y=None)[source]#
将转换器拟合到 X 和 y，并返回 X 的转换后版本。

拟合到数据，然后对其进行转换。

写入 self：_is_fitted：标志设为 True。_X：X，X 的强制副本，如果 remember_data 标签为 True

将状态改为“fitted”。

写入 self

如果可能，强制转换为内部类型或 update_data 兼容类型（按引用）

模型属性（以“_”结尾）：取决于估计器

用于拟合转换的数据，以及要转换的数据。

参数：
用于拟合转换的数据。

X 的转换后版本

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2级行MultiIndex（instance, time）的pd.DataFrame，3Dnp.ndarray（instance, variable, time），或Series类型pd.DataFrame的list

  • Hierarchical scitype = 分层时间序列集合。具有3级或更多行MultiIndex（hierarchy_1, ..., hierarchy_n, time）的pd.DataFrame

  • 有关数据格式的更多详细信息，请参见mtype词汇表。有关用法，请参见转换器教程examples/03_transformers.ipynb

y可选，sktime 兼容数据格式的数据，默认为 None

额外数据，例如用于转换的标签。有些转换器需要此项，请参见类文档字符串了解详情。如果self.get_tag("requires_y")为True，则必须在fit中传递，而不是可选。

self估计器的已拟合实例

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支持
具体示例：
如果X是Series（例如，pd.DataFrame）

  • 且transform-output是Series，则返回一个相同 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）且transform-output

  • 是Series，则返回一个与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：面板中的所有时间序列都被单独去趋势

如果X是Series或Panel且transform-output是

  • Primitives，则返回一个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 个时间序列的均值和方差

如果X是Series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)[source]#

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。

从类获取类标签值，带有来自父类的标签级别继承。

get_class_tag方法是一个类方法，它只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的标签的值，考虑标签覆盖，按以下降序优先级：

在类的_tags属性中设置的标签。

  1. 在父类的_tags属性中设置的标签，

  2. 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，请使用get_tag方法代替。

tag_name字符串

参数：
标签值的名称。

tag_value_default任意类型

如果找不到标签时的默认/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()[source]#

get_class_tags方法是一个类方法，它只考虑类级别的标签值和覆盖来检索标签的值。

从类获取类标签，带有来自父类的标签级别继承。

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。

clone_tags从另一个对象estimator设置动态标签覆盖。

它返回一个字典，其中键是在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，按以下降序优先级进行覆盖：

实例可以根据超参数覆盖这些标签。

  1. 在父类的_tags属性中设置的标签，

  2. 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，请使用get_tags方法代替。

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，请使用get_tag方法代替。

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]#

Configs 是self的键值对，通常用作控制行为的瞬态标志。

获取 self 的配置标志。

get_config返回动态配置，它覆盖默认配置。

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

Configs 在clone或reset调用下保留。

config_dict字典

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，然后收集来自 _onfig_dynamic 对象属性的任何覆盖和新标签。

get_fitted_params(deep=True)[source]#

所需状态

获取已拟合参数。

要求状态为“fitted”。

deep布尔型，默认为 True

参数：
是否返回组件的拟合参数。

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（= BaseEstimator 值参数）的拟合参数。

  • 如果为 False，则返回此对象的参数名称：值字典，但不包括组件的拟合参数。

  • fitted_params键为字符串的字典

返回：
拟合参数字典，包含参数名：参数值键值对

始终包含：此对象的所有拟合参数，如get_param_names所示，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，组件参数索引为[componentname]__[paramname]所有componentname的参数以paramname形式出现并带有其值

  • 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]#

获取对象的默认参数。

default_dict: 字典[字符串, 任意类型]

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)[source]#

获取对象的参数名称。

sort布尔型，默认为 True

参数：
是否按字母顺序排序返回参数名称（True）或按其在类__init__中出现的顺序返回（False）。

param_names: 字符串列表

返回：
cls的参数名称列表。如果sort=False，则按其在类__init__中出现的相同顺序。如果sort=True，则按字母顺序排序。

get_params(deep=True)[source]#

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（=BaseObject值参数）的参数。

  • 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键为字符串的字典

返回：
参数字典，包含参数名：参数值键值对

始终包含：此对象的所有参数，如get_param_names所示，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，组件参数索引为[componentname]__[paramname]，所有componentname的参数以paramname形式出现并带有其值

  • 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]#

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，按以下降序优先级：

从实例获取标签值，带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。标签可用于存储有关对象的元数据，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. 即在实例构造时设置的标签。

要检索的标签名称

  1. 在父类的_tags属性中设置的标签，

  2. 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。

参数：
标签值的名称。

tag_value_default任意类型，可选；默认为 None

如果找不到标签时的默认/回退值

raise_error布尔型

当找不到标签时是否引发ValueError

tag_value任意类型

返回：
self中tag_name标签的值。如果未找到，如果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()[source]#

get_tags方法返回一个标签字典，其中键是在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。

从实例获取标签，带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。标签可用于存储有关对象的元数据，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_tags字典

实例可以根据超参数覆盖这些标签。

  1. 即在实例构造时设置的标签。

要检索的标签名称

  1. 在父类的_tags属性中设置的标签，

  2. 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。

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，然后收集来自_tags_dynamic对象属性的任何覆盖和新标签。

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

目前假定只有带有标签

逆向转换 X 并返回逆向转换后的版本。

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

的转换器具有 inverse_transform。

在 self 中的访问

要求状态为“fitted”。

deep布尔型，默认为 True

以“_”结尾的拟合模型属性。

  • self.is_fitted，必须为 True

  • 额外数据，例如用于转换的标签。有些转换器需要此项，请参见类文档字符串了解详情。

参数：
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 都实现了抽象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2级行MultiIndex（instance, time）的pd.DataFrame，3Dnp.ndarray（instance, variable, time），或Series类型pd.DataFrame的list

  • Hierarchical scitype = 分层时间序列集合。具有3级或更多行MultiIndex（hierarchy_1, ..., hierarchy_n, time）的pd.DataFrame

  • 有关数据格式的更多详细信息，请参见mtype词汇表。有关用法，请参见转换器教程examples/03_transformers.ipynb

y可选，sktime 兼容数据格式的数据，默认为 None

额外数据，例如用于转换的标签。有些转换器需要此项，请参见类文档字符串了解详情。如果self.get_tag("requires_y")为True，则必须在fit中传递，而不是可选。

X 的逆向转换后版本

返回：
与 X 类型相同，并符合 mtype 格式规范

is_composite()[source]#

复合对象是一个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 BaseObject 组成。

composite: 布尔型

返回：
对象是否具有任何值为 BaseObject 派生实例的参数。

property is_fitted[source]#

fit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。

布尔型

返回：
估计器是否已fit。

classmethod load_from_path(serial)[source]#

serialZipFile(path).open(“object) 的结果

从文件位置加载对象。

参数：
反序列化的 self，其输出位于path，来自cls.save(path)
返回：
classmethod load_from_serial(serial)[source]#
serialcls.save(None) 输出的第 1 个元素

从序列化内存容器加载对象。

参数：
反序列化的 self，其输出为serial，来自cls.save(None)
返回：
反序列化 self 得到的输出 serial，来自 cls.save(None)
reset()[source]#

将对象重置为干净的初始化后状态。

结果是将 self 设置回构造函数调用后直接所处的状态，保留相同的超参数。通过 set_config 设置的配置值也会被保留。

一个 reset 调用会删除任何对象属性，除了

  • 超参数 = __init__ 的写入 self 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”的属性会被保留。

  • 配置属性，配置会原样保留。也就是说，reset 前后 get_config 的结果是相同的。

类方法和对象方法，以及类属性也不受影响。

等同于 clone，但 reset 会修改 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：
self的引用。

类实例重置到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')[source]#

将序列化的 self 保存到字节类对象或 (.zip) 文件。

行为：如果 path 为 None，则返回一个内存中的序列化 self；如果 path 是文件位置，则将 self 以 zip 文件形式存储在该位置

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 self。该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 None，self 保存到内存对象；如果文件位置，self 保存到该文件位置。如果

  • path=”estimator” 则会在当前工作目录 (cwd) 创建一个 zip 文件 estimator.zip。

  • path=”/home/stored/estimator” 则会生成一个 zip 文件 estimator.zip 并

存储在 /home/stored/。

serialization_format: str, 默认值 = “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 self
如果 path 是文件位置 - 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：
配置名称：配置值对的字典。通过嵌套继承从 _config 类属性收集，然后收集来自 _onfig_dynamic 对象属性的任何覆盖和新标签。

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

displaystr, “diagram” (默认值), 或 “text”

jupyter 内核如何显示 self 的实例

  • “diagram” = html 框图表示

  • “text” = 字符串输出

print_changed_onlybool, 默认值=True

打印 self 时是否仅列出与默认值不同的 self 参数（当为 True 时），或列出所有参数名称和值（当为 False 时）。不嵌套，即仅影响 self 而不影响组件估计器。

warningsstr, “on” (默认值), 或 “off”

是否触发警告，仅影响来自 sktime 的警告

  • “on” = 将触发来自 sktime 的警告

  • “off” = 将不会触发来自 sktime 的警告

backend:parallelstr, 可选，默认值=”None”

广播/向量化时用于并行的后端，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，默认值={} (未传递参数)

作为配置传递给并行后端 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，任何有效的 joblib.Parallel 键都可在此处传递，例如 n_jobs，除了 backend 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。任何有效的 joblib.Parallel 键都可在此处传递，例如 n_jobs，在这种情况下 backend 必须作为 backend_params 的键传递。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”: 任何有效的 dask.compute 键都可传递，例如 scheduler

  • “ray”: 可传递以下键：

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

    • “shutdown_ray”: bool, 默认值=True；False 阻止 ray 执行

      并行化后关闭。

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

    • “mute_warnings”: bool, 默认值=False；如果为 True，则抑制警告

input_conversionstr, 之一：“on” (默认值), “off”, 或有效的 mtype 字符串

控制输入检查和转换，适用于 _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，执行转换但不进行检查

output_conversionstr, 之一：“on”, “off”, 有效的 mtype 字符串

控制输出转换，适用于 _transform, _inverse_transform

  • "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

  • 有效的 mtype 字符串 - 输出转换为指定的 mtype

返回：
self对 self 的引用。

注意

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。

此方法适用于简单的 skbase 对象和复合对象。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>。字符串 <parameter>，不带 <component>__，如果这使得引用明确无误，也可以使用，例如，没有两个组件参数具有名称 <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对 self 的引用（参数设置后）
set_random_state(random_state=None, deep=True, self_policy='copy')[source]#

设置 self 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 从链式散列中采样得到，并保证种子随机生成器的伪随机独立性。

适用于 self 中的 random_state 参数，取决于 self_policy，并且仅当 deep=True 时才适用于剩余的组件对象。

注意：即使 self 没有 random_state 参数，或任何组件都没有 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_state整型，RandomState 实例或 None，默认为 None

用于控制随机整数生成的伪随机数生成器。传递 int 以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，将仅设置 self 的 random_state 参数（如果存在）。

  • 如果为 True，也将设置组件对象中的 random_state 参数。

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

  • “copy” : self.random_state 被设置为输入 random_state

  • “keep” : self.random_state 保持原样

  • “new” : self.random_state 被设置为新的随机状态，

派生自输入 random_state，并且通常与输入不同

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。

get_class_tag方法是一个类方法，它只考虑类级别的标签值和覆盖来检索标签的值。

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，或用于控制对象的行为。

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，字典值是要将标签设置到的值。

应仅在对象的 __init__ 方法中调用 set_tags 方法，在构造期间，或通过 __init__ 直接在构造后调用。

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：
Self

对 self 的引用。

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

转换 X 并返回转换后的版本。

要求状态为“fitted”。

deep布尔型，默认为 True

以“_”结尾的拟合模型属性。

  • self.is_fitted，必须为 True

  • 额外数据，例如用于转换的标签。有些转换器需要此项，请参见类文档字符串了解详情。

参数：
用于拟合转换的数据。

要转换的数据。

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2级行MultiIndex（instance, time）的pd.DataFrame，3Dnp.ndarray（instance, variable, time），或Series类型pd.DataFrame的list

  • Hierarchical scitype = 分层时间序列集合。具有3级或更多行MultiIndex（hierarchy_1, ..., hierarchy_n, time）的pd.DataFrame

  • 有关数据格式的更多详细信息，请参见mtype词汇表。有关用法，请参见转换器教程examples/03_transformers.ipynb

y可选，sktime 兼容数据格式的数据，默认为 None

额外数据，例如用于转换的标签。有些转换器需要此项，请参见类文档字符串了解详情。如果self.get_tag("requires_y")为True，则必须在fit中传递，而不是可选。

X 的逆向转换后版本

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支持
具体示例：
如果X是Series（例如，pd.DataFrame）

  • 且transform-output是Series，则返回一个相同 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）且transform-output

  • 是Series，则返回一个与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：面板中的所有时间序列都被单独去趋势

如果X是Series或Panel且transform-output是

  • Primitives，则返回一个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 个时间序列的均值和方差

如果X是Series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)[source]#

update(X, y=None, update_params=True)[source]#

使用 X 更新转换器，可选使用 y。

要求状态为“fitted”。

deep布尔型，默认为 True

以“_”结尾的拟合模型属性。

  • self.is_fitted，必须为 True

  • 额外数据，例如用于转换的标签。有些转换器需要此项，请参见类文档字符串了解详情。

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

  • self.is_fitted，必须为 True

  • 如果 remember_data 标签为 True，则写入 self._X，根据 X 中的值进行更新，通过 update_data。

参数：
用于拟合转换的数据。

用于更新转换的数据

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2级行MultiIndex（instance, time）的pd.DataFrame，3Dnp.ndarray（instance, variable, time），或Series类型pd.DataFrame的list

  • Hierarchical scitype = 分层时间序列集合。具有3级或更多行MultiIndex（hierarchy_1, ..., hierarchy_n, time）的pd.DataFrame

  • 有关数据格式的更多详细信息，请参见mtype词汇表。有关用法，请参见转换器教程examples/03_transformers.ipynb

y可选，sktime 兼容数据格式的数据，默认为 None

额外数据，例如用于转换的标签。有些转换器需要此项，请参见类文档字符串了解详情。如果self.get_tag("requires_y")为True，则必须在fit中传递，而不是可选。

X 的逆向转换后版本

返回：
fit_transform(X, y=None)[source]#