SplitterSummarizer#

class SplitterSummarizer(transformer, splitter=None, index='last', fit_on='transform_train', transform_on='transform_train')[source]#

创建时间序列分割的汇总值。

一种序列到序列的转换器，它将序列到原语的转换器 transformer 应用于使用分割器 splitter 创建的每个训练分割。

结果序列的第 i 行等同于 transformer.fit(X_fit).transform(X_trafo)，其中 X_fit 和 X_transform 是根据 fit_on 和 transform_on 参数从 splitter 的第 i-th 分割中获得的。

输出序列旨在根据给定的转换器和分割器提供输入序列的摘要。

参数:

transformer继承自 BaseTransformer 的 sktime 转换器

用于将序列转换为原语的序列到原语转换器。

splitter继承自 BaseSplitter 的 sktime 分割器，可选

（默认值为 None）

用于分割序列的分割器。如果为 None，则使用 ExpandingWindowSplitter，其 start_with_window=False，其余参数为默认值。

indexstr，可选（默认值为“last”）

确定结果序列的索引方法。如果为“last”，则使用分割的最新索引。如果为其他值，则行号成为索引。

fit_onstr，可选（默认值为“transform_train”）

对于结果序列的第 i 行，使用什么数据来拟合 transformer。

“all_train” : 转换从 splitter.split_series 获得的第 i 个训练分割，该分割应用于在 fit 和 update 调用中见过的所有数据，以及在 transform 中见过的所有数据。
“all_test” : 转换从 splitter.split_series 获得的第 i 个测试分割，该分割应用于在 fit 和 update 调用中见过的所有数据，以及在 transform 中见过的所有数据。
“transform_train” : 转换从 splitter.split_series 获得的第 i 个训练分割，该分割应用于在 transform 中见到的数据。
“transform_test” : 转换从 splitter.split_series 获得的第 i 个测试分割，该分割应用于在 transform 中见到的数据。

transform_onstr，可选（默认值为“transform_train”）

对于结果序列的第 i 行，使用什么数据进行 transformer 转换。值和含义与 fit_on 相同。

属性:

is_fitted: 是否已调用 fit 方法。

另请参阅

SummaryTransformer: 计算时间序列的汇总值。

示例

>>> from sktime.transformations.series.summarize import SplitterSummarizer
>>> from sktime.transformations.series.summarize import SummaryTransformer
>>> from sktime.split import ExpandingWindowSplitter
>>> from sktime.datasets import load_airline
>>> y = load_airline()
>>> transformer = SplitterSummarizer(
...     transformer=SummaryTransformer(),
...     splitter=ExpandingWindowSplitter())
>>> y_splitsummarized = transformer.fit_transform(y)

方法

transform(X)

（根据指定的）序列到原语转换器和分割器转换序列。

check_is_fitted(method_name=None)[source]#

检查评估器是否已拟合。

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: 调用此方法的函数名称。如果提供，错误消息将包含此信息。

引发:

NotFittedError: 如果评估器尚未拟合。

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，处于后初始化状态。此函数等同于返回 self 的 sklearn.clone。

等同于使用 self 的参数构造一个新的 type(self) 实例，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，等同于调用 cloned_self.set_config(**self.get_config())。

在值上也等同于调用 self.reset，但不同之处在于 clone 返回一个新对象，而不是像 reset 那样改变 self。

引发:

如果由于错误的 __init__ 导致克隆不符合要求，则引发 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，在对象构造后不会改变。

clone_tags 从另一个对象 estimator 设置动态标签覆盖。

的 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__ 构造后立即调用。

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

tag_names 的默认行为是将 estimator 中的所有标签写入 self。

当前的标签值可以通过 get_tags 或 get_tag 查看。

参数:

estimator:class:BaseObject 或其派生类的实例
tag_namesstr 或 str 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造类的一个实例。

参数:

parameter_setstr，默认值为“default”: 要返回的测试参数集名称，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具有默认参数的类的实例

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

创建所有测试实例列表及其名称列表。

参数:

parameter_setstr，默认值为“default”: 要返回的测试参数集名称，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 实例的列表: 第 i 个实例是 cls(**cls.get_test_params()[i])
namesstr 列表，与 objs 长度相同: 第 i 个元素是 obj 在测试中的第 i 个实例的名称。如果实例多于一个，命名约定为 {cls.__name__}-{i}，否则为 {cls.__name__}

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

将转换器拟合到 X，可选地拟合到 y。

状态变更: 将状态更改为“fitted”。

写入 self

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，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，行索引为 2 级 MultiIndex (实例, 时间)，3D np.ndarray (实例, 变量, 时间)，list，元素为 Series 类型的 pd.DataFrame
Hierarchical scitype = 分层时间序列集合。pd.DataFrame，行索引为 3 级或更多级 MultiIndex (层级_1, ..., 层级_n, 时间)

有关数据格式的更多详细信息，请参见 mtype 术语表。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，默认值为 None

附加数据，例如用于转换的标签。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细信息。

返回:

self评估器的拟合实例

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

拟合数据，然后对其进行转换。

将转换器拟合到 X 和 y，并返回 X 的转换版本。

状态变更: 将状态更改为“fitted”。

写入 self: _is_fitted : 标志设置为 True。_X : X，如果 remember_data 标签为 True，则为强制转换的 X 副本

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）：取决于评估器

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，行索引为 2 级 MultiIndex (实例, 时间)，3D np.ndarray (实例, 变量, 时间)，list，元素为 Series 类型的 pd.DataFrame
Hierarchical scitype = 分层时间序列集合。pd.DataFrame，行索引为 3 级或更多级 MultiIndex (层级_1, ..., 层级_n, 时间)

有关数据格式的更多详细信息，请参见 mtype 术语表。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，默认值为 None

附加数据，例如用于转换的标签。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 | tf-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

具体说明，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，则返回是一个 Panel，其实例数量与 X 相同（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，并继承父类的标签级别。

每个 scikit-base 兼容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，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，优先级从高到低排序如下：

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。

要检索可能具有实例覆盖的标签值，请改用 get_tag 方法。

参数:

tag_namestr: 标签值的名称。
tag_value_default任意类型: 如果未找到标签，则使用默认值/回退值。

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，并继承父类的标签级别。

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，在对象构造后不会改变。

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。

它返回一个字典，其键是类或其任何父类中设置的 _tags 属性的任何键。

值是相应的标签值，覆盖顺序如下（优先级从高到低）：

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，

按继承顺序排列。

实例可以根据超参数覆盖这些标签。

要检索可能具有实例覆盖的标签，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。

要包含动态标签的覆盖，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 类属性中收集。不受通过 set_tags 或 clone_tags 设置的动态标签覆盖。

get_config()[source]#

获取 self 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，并会被通过 set_config 设置的动态配置覆盖。

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 类属性中收集，然后来自 _onfig_dynamic 对象属性的任何覆盖和新标签。

get_fitted_params(deep=True)[source]#

获取拟合参数。

所需状态: 需要状态为“fitted”。

参数:

deepbool，默认值为 True

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：值字典，包括可拟合组件（= BaseEstimator 类型参数）的拟合参数。
如果为 False，将返回此对象的参数名：值字典，但不包括组件的拟合参数。

返回:

fitted_params键为 str 类型的字典

拟合参数字典，参数名：参数值键值对包括

始终：此对象的所有拟合参数，通过 get_param_names 获取，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]，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 __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:

sortbool，默认值为 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，默认值为 True

是否返回组件的参数。

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

返回:

params键为 str 类型的 dict

参数字典，参数名：参数值键值对包括

始终：此对象的所有参数，通过 get_param_names 获取，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]，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，并继承标签级别和覆盖。

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，在对象构造后不会改变。

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，优先级从高到低排序如下：

通过 set_tags 或 clone_tags 在实例上设置的标签，

在实例构造时设置。

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，

按继承顺序排列。

参数:

tag_namestr: 要检索的标签名称
tag_value_default任意类型，可选；默认值为 None: 如果未找到标签，则使用默认值/回退值
raise_errorbool: 当未找到标签时是否引发 ValueError

返回:

tag_valueAny: 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，则会引发 ValueError。

get_tags()[source]#

从实例中获取标签，并继承标签级别和覆盖。

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，在对象构造后不会改变。

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

值是相应的标签值，覆盖顺序如下（优先级从高到低）：

通过 set_tags 或 clone_tags 在实例上设置的标签，

在实例构造时设置。

在类的 _tags 属性中设置的标签。
在父类的 _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 类属性中收集，然后来自 _tags_dynamic 对象属性的任何覆盖和新标签。

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

返回转换器的测试参数设置。

参数:

parameter_setstr，默认值为“default”: 要返回的测试参数集名称，用于测试。如果未为某个值定义特殊参数，将返回 "default" 集。

返回:

paramsdict 或 dict 列表，默认 = {}: 用于创建类测试实例的参数。每个 dict 都是用于构建“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（或唯一一个）字典。

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

对 X 进行逆转换并返回逆转换后的版本。

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

具有 inverse_transform 方法。

所需状态: 需要状态为“fitted”。

访问 self 中的内容

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，行索引为 2 级 MultiIndex (实例, 时间)，3D np.ndarray (实例, 变量, 时间)，list，元素为 Series 类型的 pd.DataFrame
Hierarchical scitype = 分层时间序列集合。pd.DataFrame，行索引为 3 级或更多级 MultiIndex (层级_1, ..., 层级_n, 时间)

有关数据格式的更多详细信息，请参见 mtype 术语表。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，默认值为 None

附加数据，例如用于转换的标签。某些转换器需要此项，详细信息请参见类文档字符串。

返回:

X 的逆转换版本: 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。

返回:

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

property is_fitted[source]#

是否已调用 fit 方法。

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:

bool: 评估器是否已经 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 self，结果输出到 path，是 cls.save(path) 的输出

classmethod load_from_serial(serial)[source]#

从序列化的内存容器加载对象。

参数:

serialcls.save(None) 输出的第 1 个元素

返回:

反序列化 self，结果输出到 serial，是 cls.save(None) 的输出

reset()[source]#

将对象重置到干净的后初始化状态。

结果是将 self 设置为构造函数调用后立即拥有的状态，具有相同的超参数。通过 set_config 设置的配置值也会保留。

调用 reset 会删除所有对象属性，除了

超参数 = __init__ 写入 self 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”的属性会保留。
配置属性，配置保持不变。也就是说，reset 前后 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，但不同之处在于 reset 改变 self 而不是返回一个新对象。

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))`` 后获得的对象相同。

返回:

self: 类的实例重置到干净的后初始化状态，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 保存为 zip 文件到该位置

保存的文件是包含以下内容的 zip 文件：_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 (str 或 Path)

如果为 None，self 保存到内存对象；如果是文件位置，self 保存到该文件位置。如果

path=”estimator”，则在当前工作目录 (cwd) 创建一个 zip 文件 estimator.zip。
path=”/home/stored/estimator”，则将在 /home/stored/ 创建一个 zip 文件 estimator.zip。

存储在 /home/stored/ 中。

serialization_format: str，默认值为 “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:

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” (默认), 或 “text”

jupyter kernel 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_onlybool, 默认=True

打印自身时是否仅列出与默认值不同的自身参数（True），或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” = 将不触发来自 sktime 的警告

backend:parallelstr, 可选, 默认=”None”

进行广播/向量化时用于并行化的后端，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: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”：没有附加参数，backend_params 被忽略
“loky”、“multiprocessing” 和 “threading”：默认的 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。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，它将默认为 -1，其他参数将默认为 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”：bool，默认=True；False 会阻止 ray
  在并行化后关闭。
- “logger_name”：str，默认=”ray”；要使用的 logger 名称。
- “mute_warnings”：bool，默认=False；如果为 True，则抑制警告

input_conversionstr, 以下之一：“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
有效的 mtype 字符串 - 输入假定为指定的 mtype，执行转换但不进行检查

output_conversionstr, 以下之一：“on”、“off”，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" - _transform、_inverse_transform 的输出直接返回
有效的 mtype 字符串 - 输出被转换为指定的 mtype

返回:

self自身的引用。

备注

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。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，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。如果 __ 后缀在 get_params 键中是唯一的，则可以作为完整字符串的别名。

返回:

self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 将它们设置为从 random_state 派生的整数。这些整数通过 sample_dependent_seed 从链式哈希中采样，并保证种子随机生成器的伪随机独立性。

根据 self_policy，适用于 self 中的 random_state 参数；当且仅当 deep=True 时，也适用于剩余的组件对象。

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，即使是那些没有 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 以实现跨多次函数调用的可重现输出。

deepbool，默认值为 True

是否在具有 skbase 对象值的参数中设置随机状态，即组件估计器中。

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, 以下之一：{“copy”, “keep”, “new”}, 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，通常与它不同

返回:

self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，字典值是要设置的标签值。

set_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__ 直接构造后调用。

当前的标签值可以通过 get_tags 或 get_tag 查看。

参数:

**tag_dictdict: 标签名称 : 标签值对的字典。

返回:

自身: 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: 需要状态为“fitted”。

访问 self 中的内容

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，行索引为 2 级 MultiIndex (实例, 时间)，3D np.ndarray (实例, 变量, 时间)，list，元素为 Series 类型的 pd.DataFrame
Hierarchical scitype = 分层时间序列集合。pd.DataFrame，行索引为 3 级或更多级 MultiIndex (层级_1, ..., 层级_n, 时间)

有关数据格式的更多详细信息，请参见 mtype 术语表。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，默认值为 None

附加数据，例如用于转换的标签。某些转换器需要此项，详细信息请参见类文档字符串。

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
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

具体说明，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，则返回是一个 Panel，其实例数量与 X 相同（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 个实例是运行在 X 上的第 i 个窗口

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

使用 X 更新转换器，可选使用 y。

所需状态: 需要状态为“fitted”。

访问 self 中的内容

以“_”结尾的拟合模型属性。

self.is_fitted，必须为 True

写入 self

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 中的值进行更新。

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，行索引为 2 级 MultiIndex (实例, 时间)，3D np.ndarray (实例, 变量, 时间)，list，元素为 Series 类型的 pd.DataFrame
Hierarchical scitype = 分层时间序列集合。pd.DataFrame，行索引为 3 级或更多级 MultiIndex (层级_1, ..., 层级_n, 时间)

有关数据格式的更多详细信息，请参见 mtype 术语表。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，默认值为 None

附加数据，例如用于转换的标签。某些转换器需要此项，详细信息请参见类文档字符串。

返回:

self评估器的拟合实例