KinematicFeatures#

class KinematicFeatures(features=None)[源代码]#

运动学特征变换器 - 速度、加速度、曲率。

接受一个离散 N 维空间曲线，N>=1，并计算一系列运动学特征。

对于有噪声的时间序列，强烈建议将其与 KalmanFilterTransformerPK 或 KalmanFilterTransformerFP（先验），或其它平滑或轨迹拟合变换器一起通过流水线处理，因为此变换器不执行自身的平滑操作。

对于速度等的最小值/最大值/分位数，与 SummaryTransformer（后置）一起通过流水线处理。

对于在离散时间观测到的时间序列输入 \(x(t)\)，此变换器（选择时）计算以下量的离散化版本：

"v" - 速度向量：\(\vec{v}(t) := \Delta x(t)\)
"v_abs" - 绝对速度：\(v(t) := \left| \Delta x(t) \right|\)
"a" - 加速度向量：\(\vec{a}(t) := \Delta \Delta x(t)\)
"a_abs" - 绝对加速度：\(a(t) := \left| \Delta \Delta x(t) \right|\)
"curv" - 曲率：\(c(t) := \frac{\sqrt{v(t)^2 a(t)^2 - \left\langle \vec{v}(t), \vec{a}(t)\right\rangle^2}}{v(t)^3}\)

其中 \(\Delta\) 表示一阶有限差分，即对于任何离散时间序列 \(z(t)\)，有 \(\Delta z(t) = z(t) - z(t-1)\)。

注意：此估计器目前忽略非等距位置索引，并且仅考虑整数位置索引。

参数:

features字符串或字符串列表，可选，默认为 [“v_abs”, “a_abs”, “c_abs”]

要计算的特征列表，可能的特征包括：

“v” - 速度向量
“v_abs” - 绝对速度
“a” - 加速度向量
“a_abs” - 绝对加速度
“curv” - 曲率

属性:

is_fitted: fit 方法是否已被调用。

示例

>>> import numpy as np
>>> import pandas as pd
>>> from sktime.transformations.series.kinematic import KinematicFeatures

>>> traj3d = pd.DataFrame(columns=["x", "y", "z"])
>>> traj3d["x"] = pd.Series(np.sin(np.arange(200)/100))
>>> traj3d["y"] = pd.Series(np.cos(np.arange(200)/100))
>>> traj3d["z"] = pd.Series(np.arange(200)/100)

>>> t = KinematicFeatures()
>>> Xt = t.fit_transform(traj3d)

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以及它们的名称列表。
`fit`(X[, y])	使用 X 拟合变换器，可选使用 y。
`fit_transform`(X[, y])	拟合数据，然后对其进行变换。
`get_class_tag`(tag_name[, tag_value_default])	从类获取类标签值，具有来自父类的标签级别继承。
`get_class_tags`()	从类获取类标签，具有来自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`()	获取对象的参数默认值。
`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 (.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, ...])	设置自身的 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])	对 X 进行变换并返回变换后的版本。
`update`(X[, y, update_params])	使用 X 更新变换器，可选使用 y。

check_is_fitted(method_name=None)[源代码]#

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: 调用此函数的方法名称。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()[源代码]#

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。此函数等同于返回自身的 sklearn.clone。

等同于使用自身的参数构造 type(self) 的新实例，即 type(self)(**self.get_params(deep=False))。

如果自身设置了配置，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())。

在值上也等同于调用 self.reset，区别在于 clone 返回新对象，而不是像 reset 那样改变自身。

引发:

如果克隆不符合要求，则引发 RuntimeError，原因是 __init__ 有缺陷。

clone_tags(estimator, tag_names=None)[源代码]#

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。

标签是特定于实例 self 的键值对，它们是静态标志，在对象构建后不会改变。

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，即在构建期间，或通过 __init__ 直接构建之后。

动态标签设置为 estimator 中标签的值，名称由 tag_names 指定。

tag_names 的默认设置将 estimator 的所有标签写入 self。

当前标签值可通过 get_tags 或 get_tag 查看。

参数:

estimator:class:BaseObject 或派生类的实例
tag_names字符串或字符串列表，默认为 None: 要克隆的标签名称。默认值（None）克隆 estimator 的所有标签。

返回:

self: 对 self 的引用。

classmethod create_test_instance(parameter_set='default')[源代码]#

使用第一个测试参数集构建类的实例。

参数:

parameter_set字符串，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”集合。

返回:

instance使用默认参数的类的实例

classmethod create_test_instances_and_names(parameter_set='default')[源代码]#

创建所有测试实例的列表以及它们的名称列表。

参数:

parameter_set字符串，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”集合。

返回:

objscls 的实例列表: 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 obj 在测试中第 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)[源代码]#

使用 X 拟合变换器，可选使用 y。

状态更改: 将状态更改为“fitted”。

写入自身

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，并强制转换为 self.get_tag("X_inner_mtype") 指定的类型。

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 中的个体数据格式称为 mtype 规范，每种 mtype 实现一个抽象 scitype。

Series scitype = 单个时间序列。可以是 pd.DataFrame、pd.Series 或 np.ndarray（1D 或 2D）
Panel scitype = 时间序列集合。可以是具有 2 级行 MultiIndex（实例，时间）的 pd.DataFrame，3D np.ndarray（实例，变量，时间），或 Series 类型的 pd.DataFrame 列表
Hierarchical scitype = 分层时间序列集合。可以是具有 3 级或更多级行 MultiIndex（hierarchy_1, …, hierarchy_n, 时间）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，默认为 None

额外数据，例如用于变换的标签。如果 self.get_tag("requires_y") 为 True，则必须在 fit 方法中传入，不可选。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)[源代码]#

拟合数据，然后对其进行变换。

将变换器拟合到 X 和 y，并返回 X 的变换后版本。

状态更改: 将状态更改为“fitted”。

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

如果可能，可能按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:

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 中的个体数据格式称为 mtype 规范，每种 mtype 实现一个抽象 scitype。

Series scitype = 单个时间序列。可以是 pd.DataFrame、pd.Series 或 np.ndarray（1D 或 2D）
Panel scitype = 时间序列集合。可以是具有 2 级行 MultiIndex（实例，时间）的 pd.DataFrame，3D np.ndarray（实例，变量，时间），或 Series 类型的 pd.DataFrame 列表
Hierarchical scitype = 分层时间序列集合。可以是具有 3 级或更多级行 MultiIndex（hierarchy_1, …, hierarchy_n, 时间）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，默认为 None

额外数据，例如用于变换的标签。如果 self.get_tag("requires_y") 为 True，则必须在 fit 方法中传入，不可选。有关所需格式，请参阅类文档字符串了解详情。

返回:

X 的变换后版本

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

| 输入 | 变换输出 | 返回类型 |

|----------|————–|------------------------| | Series | Primitives | pd.DataFrame （1 行） | | Panel | Primitives | pd.DataFrame | | Series | Series | Series | | Panel | Series | Panel | | Series | Panel | Panel |

返回值的实例对应于 X 中的实例

表中未列出的组合目前不支持

明确地，附带示例

如果 X 是 Series（例如 pd.DataFrame）

且 transform-output 是 Series，则返回与输入 mtype 相同的单个 Series。示例：对单个时间序列进行去趋势处理

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

是 Series，则返回与 X 具有相同实例数量的 Panel（变换器应用于每个输入 Series 实例）。示例：Panel 中的所有时间序列都被单独去趋势处理

如果 X 是 Series 或 Panel 且 transform-output 是

Primitives，则返回一个 pd.DataFrame，其行数与 X 中的实例数量相同示例：返回值的第 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 个实例是在 X 上运行的第 i 个窗口

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

从类获取类标签值，具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，用于存储关于对象的元数据。

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。

它返回对象中名为 tag_name 的标签值，考虑标签覆盖，优先级降序排列如下：

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。

不考虑在实例上通过 set_tags 或 clone_tags 设置的、定义在实例上的动态标签覆盖。

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: 标签值名称。
tag_value_default任意类型: 如果未找到标签的默认/回退值。

返回:

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

classmethod get_class_tags()[源代码]#

从类获取类标签，具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。标签可用于存储关于对象的元数据，或控制对象的行为。

标签是特定于实例 self 的键值对，它们是静态标志，在对象构建后不会改变。

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。

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。

值是相应的标签值，覆盖按优先级降序排列如下：

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。

不考虑在实例上通过 set_tags 或 clone_tags 设置的、定义在实例上的动态标签覆盖。

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。不被通过 set_tags 或 clone_tags 设置的动态标签覆盖。

get_config()[源代码]#

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临时标志。

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:

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，然后收集来自 _onfig_dynamic 对象属性的任何覆盖和新标签。

get_fitted_params(deep=True)[源代码]#

获取拟合参数。

所需状态: 需要状态为“fitted”。

参数:

deep布尔值，默认为 True

是否返回组件的拟合参数。

如果为 True，将返回一个字典，其中包含此对象的参数名称 : 值，包括可拟合组件（= BaseEstimator 类型参数）的拟合参数。
如果为 False，将返回一个字典，其中包含此对象的参数名称 : 值，但不包含组件的拟合参数。

返回:

fitted_params键为字符串的字典

已拟合参数的字典， paramname : paramvalue 键值对包括

始终包括：此对象的所有拟合参数，通过 get_param_names 获取；值是此对象该键对应的拟合参数值
如果 deep=True，还包含组件参数的键/值对；组件的参数索引格式为 [componentname]__[paramname]；componentname 的所有参数以 paramname 及其值显示
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()[源代码]#

获取对象的参数默认值。

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 __init__ 中定义的默认值。

classmethod get_param_names(sort=True)[源代码]#

获取对象的参数名称。

参数:

sort布尔值，默认为 True: 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)。

返回:

param_names: list[str]: cls 的参数名称列表。如果 sort=False，则按它们在类 __init__ 中出现的相同顺序排列。如果 sort=True，则按字母顺序排序。

get_params(deep=True)[源代码]#

获取此对象的参数值字典。

参数:

deep布尔值，默认为 True

是否返回组件的参数。

如果 True，将返回一个字典，其中包含此对象的参数名称 : 值，包括组件（= BaseObject 类型参数）的参数。
如果 False，将返回一个字典，其中包含此对象的参数名称 : 值，但不包含组件的参数。

返回:

params键为字符串的字典

参数字典， paramname : paramvalue 键值对包括

始终包括：此对象的所有参数，通过 get_param_names 获取；值是此对象该键对应的参数值；值始终与构建时传入的值相同
如果 deep=True，还包含组件参数的键/值对；组件的参数索引格式为 [componentname]__[paramname]；componentname 的所有参数以 paramname 及其值显示
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)[源代码]#

从实例获取标签值，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。

标签是特定于实例 self 的键值对，它们是静态标志，在对象构建后不会改变。

get_tag 方法从实例中检索名为 tag_name 的单个标签值，考虑标签覆盖，优先级降序排列如下：

通过 set_tags 或 clone_tags 在实例上设置的标签，

在实例构建时。

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_name字符串: 要检索的标签名称
tag_value_default任意类型，可选；默认为 None: 如果未找到标签的默认/回退值
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。

引发:

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

get_tags()[源代码]#

从实例获取标签，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。

标签是特定于实例 self 的键值对，它们是静态标志，在对象构建后不会改变。

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，或通过 set_tags 或 clone_tags 设置的标签。

值是相应的标签值，覆盖按优先级降序排列如下：

通过 set_tags 或 clone_tags 在实例上设置的标签，

在实例构建时。

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:

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，然后收集来自 _tags_dynamic 对象属性的任何覆盖和新标签。

inverse_transform(X, y=None)[源代码]#

对 X 进行逆变换并返回逆变换后的版本。

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

的变换器具有 inverse_transform 方法。

所需状态: 需要状态为“fitted”。

在 self 中访问

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 中的个体数据格式称为 mtype 规范，每种 mtype 实现一个抽象 scitype。

Series scitype = 单个时间序列。可以是 pd.DataFrame、pd.Series 或 np.ndarray（1D 或 2D）
Panel scitype = 时间序列集合。可以是具有 2 级行 MultiIndex（实例，时间）的 pd.DataFrame，3D np.ndarray（实例，变量，时间），或 Series 类型的 pd.DataFrame 列表
Hierarchical scitype = 分层时间序列集合。可以是具有 3 级或更多级行 MultiIndex（hierarchy_1, …, hierarchy_n, 时间）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，默认为 None

额外数据，例如用于变换的标签。某些变换器需要此数据，详情请参阅类文档字符串。

返回:

X 的逆变换后版本: 与 X 类型相同，并符合 mtype 格式规范

is_composite()[源代码]#

检查对象是否由其他 BaseObjects 组成。

复合对象是指将对象作为参数包含在内的对象。在实例上调用，因为这可能因实例而异。

返回:

composite: 布尔值: 对象是否有任何参数的值是 BaseObject 的派生实例。

property is_fitted[源代码]#

fit 方法是否已被调用。

检查对象的 _is_fitted 属性，该属性在对象构建期间应初始化为 False，并在调用对象的 fit 方法时设置为 True。

返回:

布尔值: 估计器是否已 fit。

classmethod load_from_path(serial)[源代码]#

从文件位置加载对象。

参数:

serialZipFile(path).open(“object) 的结果

返回:

在 path 处生成输出的已反序列化自身，对应于 cls.save(path)

classmethod load_from_serial(serial)[源代码]#

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:

生成输出 serial 的已反序列化自身，对应于 cls.save(None)

reset()[源代码]#

将对象重置为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所处的状态，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”的属性将被保留。
配置属性，配置保持不变。即，reset 前后 get_config 的结果相等。

类方法和对象方法，以及类属性也不受影响。

等同于 clone，区别在于 reset 改变自身而不是返回新对象。

在 self.reset() 调用后，self 在值和状态上等同于构造函数调用``type(self)(**self.get_params(deep=False))``后获得的对象。

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')[源代码]#

将序列化的自身保存到字节类对象或 (.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，则将自身在该位置存储为 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方式 (pickle)。

参数:

pathNone 或文件位置（字符串或 Path）

如果为 None，则将自身保存到内存对象；如果 path 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 (cwd) 下创建 zip 文件 estimator.zip。
path=”/home/stored/estimator”，则 zip 文件 estimator.zip 将

存储在 /home/stored/ 中。

serialization_format: 字符串，默认为“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 - 内存中的序列化自身
如果 path 是文件位置 - 引用该文件的 ZipFile

set_config(**config_dict)[源代码]#

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 内核如何显示自身的实例

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

print_changed_only布尔值，默认为 True

打印自身时是否只列出与默认值不同的自身参数 (True)，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。

warnings字符串，“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:parallel字符串，可选，默认为“None”

对广播/向量化进行并行处理时使用的后端，可选项包括：

“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:params字典，可选，默认为 {}（不传入参数）

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：joblib.Parallel 的任何有效键都可在此处传入，例如 n_jobs，但 backend 除外，它由 backend 直接控制。如果未传入 n_jobs，则默认为 -1，其他参数将使用 joblib 的默认值。
“joblib”: 自定义和第三方 joblib 后端，例如 spark。 joblib.Parallel 的任何有效键都可在此处传入，例如 n_jobs。在此情况下，backend 必须作为 backend_params 的一个键传入。如果未传入 n_jobs，则默认为 -1，其他参数将使用 joblib 的默认值。
“dask”: 可传入 dask.compute 的任何有效键，例如 scheduler
“ray”: 可传入以下键：
- “ray_remote_args”: ray.init 的有效键字典
- “shutdown_ray”: 布尔值，默认为 True；False 防止 ray 在并行处理后关闭。
  “logger_name”: 字符串，默认为“ray”；要使用的日志记录器名称。
- “mute_warnings”: 布尔值，默认为 False；如果为 True，则抑制警告
- “mute_warnings”: bool, 默认为 False; 如果为 True, 则抑制警告

input_conversion字符串，可选项包括“on”（默认）、“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 mtype 字符串 - 假定输入为指定的 mtype，执行转换但不进行检查

output_conversion字符串，可选项包括“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 mtype 字符串 - 输出被转换为指定的 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)[源码]#

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。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>。如果这使得引用无歧义，例如，组件中没有两个参数具有相同的名称 <parameter>，则也可以使用字符串 <parameter>，不带 <component>__。

参数:

**paramsdict（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，如果在 `get_params` 键中是唯一的。

返回:

self对自身的引用（设置参数后）

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

设置自身的 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 将它们设置为通过 sample_dependent_seed 从 random_state 派生的整数。这些整数是通过链式哈希采样的，保证了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，以及剩余组件对象，当且仅当 deep=True 时。

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（整数）, RandomState 实例或 None, 默认值为 None

伪随机数生成器，用于控制随机整数的生成。传入整数可实现在多次函数调用中获得可重现的输出。

deep布尔值，默认为 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，则只会设置 self 的 random_state 参数（如果存在）。
如果为 True，则也会设置组件对象中的 random_state 参数。

self_policystr（字符串）, 选项之一为 {“copy”, “keep”, “new”}, 默认值为 “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，

源自输入的 random_state，通常与其不同

返回:

self对自身的引用

set_tags(**tag_dict)[source]#

将实例级别标签覆盖设置为给定值。

每个 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。

标签是特定于实例 self 的键值对，它们是构建对象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，其中键是标签名称，字典值为要设置的标签值。

set_tags 方法只能在对象的 __init__ 方法中、构建期间，或通过 __init__ 直接在构建后调用。

当前标签值可通过 get_tags 或 get_tag 查看。

参数:

**tag_dictdict（字典）: 标签名称：标签值对的字典。

返回:

自身: 对自身的引用。

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

对 X 进行变换并返回变换后的版本。

所需状态: 需要状态为“fitted”。

在 self 中访问

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

要转换的数据。

sktime 中的个体数据格式称为 mtype 规范，每种 mtype 实现一个抽象 scitype。

Series scitype = 单个时间序列。可以是 pd.DataFrame、pd.Series 或 np.ndarray（1D 或 2D）
Panel scitype = 时间序列集合。可以是具有 2 级行 MultiIndex（实例，时间）的 pd.DataFrame，3D np.ndarray（实例，变量，时间），或 Series 类型的 pd.DataFrame 列表
Hierarchical scitype = 分层时间序列集合。可以是具有 3 级或更多级行 MultiIndex（hierarchy_1, …, hierarchy_n, 时间）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，默认为 None

额外数据，例如用于变换的标签。某些变换器需要此数据，详情请参阅类文档字符串。

返回:

X 的变换后版本
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	原语	`pd.DataFrame`（1 行）
面板数据	原语	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

返回值的实例对应于 X 中的实例

表中未列出的组合目前不支持

明确地，附带示例

如果 X 是 Series（例如 pd.DataFrame）

且 transform-output 是 Series，则返回与输入 mtype 相同的单个 Series。示例：对单个时间序列进行去趋势处理

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

是 Series，则返回与 X 具有相同实例数量的 Panel（变换器应用于每个输入 Series 实例）。示例：Panel 中的所有时间序列都被单独去趋势处理

如果 X 是 Series 或 Panel 且 transform-output 是

Primitives，则返回一个 pd.DataFrame，其行数与 X 中的实例数量相同示例：返回值的第 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 个实例是在 X 上运行的第 i 个窗口

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

使用 X 更新变换器，可选使用 y。

所需状态: 需要状态为“fitted”。

在 self 中访问

以“_”结尾的已拟合模型属性。

self.is_fitted，必须为 True

写入自身

以“_”结尾的已拟合模型属性。

如果 remember_data 标签为 True，则通过 update_data 将数据写入 self._X，由 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 中的个体数据格式称为 mtype 规范，每种 mtype 实现一个抽象 scitype。

Series scitype = 单个时间序列。可以是 pd.DataFrame、pd.Series 或 np.ndarray（1D 或 2D）
Panel scitype = 时间序列集合。可以是具有 2 级行 MultiIndex（实例，时间）的 pd.DataFrame，3D np.ndarray（实例，变量，时间），或 Series 类型的 pd.DataFrame 列表
Hierarchical scitype = 分层时间序列集合。可以是具有 3 级或更多级行 MultiIndex（hierarchy_1, …, hierarchy_n, 时间）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，默认为 None

额外数据，例如用于变换的标签。某些变换器需要此数据，详情请参阅类文档字符串。

返回:

self估计器的已拟合实例

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，则将返回 "default" 集。当前对于转换器没有保留值。

返回:

paramsdict（字典）或 dict 列表, 默认值为 {}: 用于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，例如，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。