时间序列回归

模块 sktime.regression 包含时间序列回归的算法和组合工具。

可以使用实用工具 sktime.registry.all_estimators 列出 sktime 中的所有回归器，使用 estimator_types="regressor"，并可选地按标签过滤。有效标签可以使用 sktime.registry.all_tags 列出。

一个带有基于标签搜索的完整表格也可以在估计器搜索页面上找到（在“估计器类型”下拉列表中选择“regresser”）。

组合

RegressorPipeline(regressor, transformers)	由变换器和回归器组成的管道。
SklearnRegressorPipeline(regressor, transformers)	由变换器和回归器组成的管道。
MultiplexRegressor(regressors[, ...])	用于在不同模型中进行选择的 MultiplexRegressor。

模型选择和调优

TSRGridSearchCV(estimator, param_grid[, ...])

对估计器的指定参数值进行穷举搜索。

集成

ComposableTimeSeriesForestRegressor([...])

时间序列森林回归器。

深度学习

CNNRegressor([n_epochs, batch_size, ...])	时间序列卷积神经网络 (CNN)，如 [1] 中所述。
CNTCRegressor([n_epochs, batch_size, ...])	情境时间序列神经回归器 (CNTC)，如 [1] 中所述。
FCNRegressor([n_epochs, batch_size, ...])	全连接神经网络 (FCN)，如[Rea5a1664c466-1] 中所述。
InceptionTimeRegressor([n_epochs, ...])	InceptionTime 深度学习回归器。
LSTMFCNRegressor([n_epochs, batch_size, ...])	Karim 等人 (2019) [1] 提出的 LSTMFCNRegressor 实现。
MACNNRegressor([n_epochs, batch_size, ...])	多尺度注意力卷积神经回归器，如[R360bad5d0241-1] 中所述。
MCDCNNRegressor([n_epochs, batch_size, ...])	多通道深度卷积神经回归器，改编自[R244bb0d4e2ae-1]。
MLPRegressor([n_epochs, batch_size, ...])	多层感知器网络 (MLP)，如[R15a0eceb2106-1] 中所述。
SimpleRNNRegressor([n_epochs, batch_size, ...])	简单循环神经网络。
ResNetRegressor([n_epochs, callbacks, ...])	残差神经网络回归器，改编自 [1]。
TapNetRegressor([n_epochs, batch_size, ...])	时间序列注意力原型网络 (TapNet)，如 [1] 中所述。

基于距离

KNeighborsTimeSeriesRegressor([n_neighbors, ...])

K近邻时间序列回归器。

虚拟

DummyRegressor([strategy, constant, quantile])

DummyRegressor 忽略输入特征进行预测。

基于区间

TimeSeriesForestRegressor([min_interval, ...])

时间序列森林回归器。

基于核

TimeSeriesSVRTslearn([C, kernel, degree, ...])	时间序列支持向量回归器，来自 tslearn。
RocketRegressor([num_kernels, ...])	使用 RidgeCV 回归器包装的 Rocket 变换器的回归器。

基础

BaseRegressor()

时间序列回归器的抽象基类。

BaseDeepRegressor()

深度学习时间序列回归的抽象基类。