反馈

DatetimeColumnFeaturizer 类

  • 参考

为日期/时间类型的列创建日历特征的转换。 此转换与 TimeIndexFeaturizer 不同，TimeIndexFeaturizer 为时间序列的时间轴创建特征。 与时间轴不同，日期/时间列/特征不一定具有明确定义的频率，因此特征化不进行任何删除。

继承
AzureMLForecastTransformerBase
DatetimeColumnFeaturizer

构造函数

DatetimeColumnFeaturizer(datetime_columns: Optional[List[str]] = None)

参数

datetime_columns
默认值: None

方法

fit

拟合转换。

确定应删除哪些特征（如果有）。
fit_transform

按顺序应用拟合和转换方法。

确定应删除哪些特征（如果有）。
preview_datetime_column_feature_names

获取为日期/时间列生成的时间特征名称。
transform

为输入数据集创建日历。

fit

拟合转换。

确定应删除哪些特征（如果有）。

fit(X: azureml.automl.runtime._time_series_data_set.TimeSeriesDataSet, y: Optional[Union[numpy.ndarray, pandas.core.series.Series, pandas.core.arrays.categorical.Categorical, azureml.dataprep.api.dataflow.Dataflow]] = None) -> azureml.automl.runtime.featurizer.transformer.timeseries.datetime_column_featurizer.DatetimeColumnFeaturizer

参数

X
<xref:azureml.automl.runtime._time_series_data_set.TimeSeriesDataSet>
必需

输入数据

y
必需

传递给 sklearn 转换器拟合

返回

拟合转换

返回类型

TimeIndexFeaturizer

fit_transform

按顺序应用拟合和转换方法。

确定应删除哪些特征（如果有）。

fit_transform(X: azureml.automl.runtime._time_series_data_set.TimeSeriesDataSet, y: Optional[Union[numpy.ndarray, pandas.core.series.Series, pandas.core.arrays.categorical.Categorical, azureml.dataprep.api.dataflow.Dataflow]] = None) -> azureml.automl.runtime._time_series_data_set.TimeSeriesDataSet

参数

X
<xref:azureml.automl.runtime._time_series_data_set.TimeSeriesDataSet>
必需

输入数据

y
必需

传递给 sklearn 转换器拟合

返回

具有时间索引特征的数据帧

返回类型

<xref:azureml.automl.runtime._time_series_data_set.TimeSeriesDataSet>

preview_datetime_column_feature_names

获取为日期/时间列生成的时间特征名称。

preview_datetime_column_feature_names() -> Dict[str, List[str]]

返回

将每个原始日期/时间特征映射到生成的日历特征名称列表的字典

返回类型

dict

transform

为输入数据集创建日历。

transform(X: azureml.automl.runtime._time_series_data_set.TimeSeriesDataSet) -> azureml.automl.runtime._time_series_data_set.TimeSeriesDataSet

参数

X
<xref:azureml.automl.runtime._time_series_data_set.TimeSeriesDataSet>
必需

输入数据

返回

具有时间索引特征的数据帧

返回类型

<xref:azureml.automl.runtime._time_series_data_set.TimeSeriesDataSet>