STLFeaturizer 类

用于将输入数据分解为季节性和趋势部分的类。

如果 int 或 np.int64 未呈现季节性，则引发 ConfigException。 :param seasonality：时序季节性。 如果将季节性设置为 -1，将推断出该季节性。 :type seasonality：int :param seasonal_feature_only：如果为 true，转换将创建季节性特征，而不是趋势特征。 :type seasonal_feature_only：bool :raises：ConfigException

继承

AzureMLForecastTransformerBase

STLFeaturizer

azureml.automl.runtime.featurizer.transformer.timeseries.forecasting_base_estimator._GrainBasedStatefulTransformer

STLFeaturizer

构造函数

STLFeaturizer(seasonal_feature_only: bool = False, seasonality: Union[int, str] = 'auto', freq: Optional[pandas._libs.tslibs.offsets.DateOffset] = None)

参数

seasonal_feature_only

默认值: False

seasonality

默认值: auto

freq

默认值: None

方法

data_check	在调用转换之前执行数据检查。 如果数据无效，则引发 DataException。 :param X：TimeSeriesDataSet，包含要转换的数据。 :type X: azureml.automl.runtime._time_series_data_set.TimeSeriesDataSet :raises: DataException
fit	确定趋势和季节性。 如果任何时序粒度都短于数据帧的季节性，则引发 DataException。 :param X: Input data :type X: azureml.automl.runtime._time_series_data_set.TimeSeriesDataSet :param y：未使用，已添加来实现与 scikit->><<learn 的向后兼容性。 :type y: np.ndarray :return: Fitted transform :rtype: TimeIndexFeaturizer :raises: DataException
fit_transform	按顺序应用拟合和转换方法。 注意：因为在这种情况下，我们知道目标值，因此可以使用趋势推理的统计模型。 :param X：输入数据。 :type X: azureml.automl.runtime._time_series_data_set.TimeSeriesDataSet :param y：未使用，已添加来实现与 scikit->><<learn 的向后兼容性。 :type y: np.ndarray :return：具有趋势和季节性列的数据帧。 :rtype: azureml.automl.runtime._time_series_data_set.TimeSeriesDataSet
get_params	获取此估算器的参数。
preview_column_names	返回基于数据帧 X 中的数据生成的列的列表。 TimeSeriesDataSet 或目标列，但不应同时提供两者。 如果两者均未提供，则引发 DataException。 :param tsds：要为其生成列名的 TimeSeriesDataSet。 :type tsds: azureml.automl.runtime._time_series_data_set.TimeSeriesDataSet :param target：目标列的名称。 :type target: str :returns：生成的列的列表。 :rtype: list :raises: DataException
transform	为输入数据帧创建时间索引特征。 注意：在此方法中，我们假定不知道目标值。 :param X: Input data :type X: azureml.automl.runtime._time_series_data_set.TimeSeriesDataSet :return：具有趋势和季节性列的数据帧。 :rtype: azureml.automl.runtime._time_series_data_set.TimeSeriesDataSet :raises: ClientException

data_check

在调用转换之前执行数据检查。

如果数据无效，则引发 DataException。 :param X：TimeSeriesDataSet，包含要转换的数据。 :type X: azureml.automl.runtime._time_series_data_set.TimeSeriesDataSet :raises: DataException

data_check(X: azureml.automl.runtime._time_series_data_set.TimeSeriesDataSet) -> None

参数

X

必需

fit

确定趋势和季节性。

如果任何时序粒度都短于数据帧的季节性，则引发 DataException。 :param X: Input data :type X: azureml.automl.runtime._time_series_data_set.TimeSeriesDataSet :param y：未使用，已添加来实现与 scikit->><<learn 的向后兼容性。 :type y: np.ndarray :return: Fitted transform :rtype: TimeIndexFeaturizer :raises: DataException

fit(X: azureml.automl.runtime._time_series_data_set.TimeSeriesDataSet, y: Optional[numpy.ndarray] = None) -> azureml.automl.runtime.featurizer.transformer.timeseries.stl_featurizer.STLFeaturizer

fit_transform

按顺序应用拟合和转换方法。

注意：因为在这种情况下，我们知道目标值，因此可以使用趋势推理的统计模型。 :param X：输入数据。 :type X: azureml.automl.runtime._time_series_data_set.TimeSeriesDataSet :param y：未使用，已添加来实现与 scikit->><<learn 的向后兼容性。 :type y: np.ndarray :return：具有趋势和季节性列的数据帧。 :rtype: azureml.automl.runtime._time_series_data_set.TimeSeriesDataSet

fit_transform(X: azureml.automl.runtime._time_series_data_set.TimeSeriesDataSet, y: Optional[numpy.ndarray] = None) -> azureml.automl.runtime._time_series_data_set.TimeSeriesDataSet

get_params

获取此估算器的参数。

get_params(deep=True)

参数

deep

bool, <xref:default=True>

默认值: True

如果为 True，则返回此估算器的参数和包含的子对象（也是估算器）。

返回

params - 映射到其值的参数名称。

返回类型

<xref:<xref:mapping of string to any>>

preview_column_names

返回基于数据帧 X 中的数据生成的列的列表。

TimeSeriesDataSet 或目标列，但不应同时提供两者。 如果两者均未提供，则引发 DataException。 :param tsds：要为其生成列名的 TimeSeriesDataSet。 :type tsds: azureml.automl.runtime._time_series_data_set.TimeSeriesDataSet :param target：目标列的名称。 :type target: str :returns：生成的列的列表。 :rtype: list :raises: DataException

preview_column_names(tsds: Optional[azureml.automl.runtime._time_series_data_set.TimeSeriesDataSet] = None, target: Optional[str] = None) -> List[str]

参数

tsds

默认值: None

target

默认值: None

transform

为输入数据帧创建时间索引特征。

注意：在此方法中，我们假定不知道目标值。 :param X: Input data :type X: azureml.automl.runtime._time_series_data_set.TimeSeriesDataSet :return：具有趋势和季节性列的数据帧。 :rtype: azureml.automl.runtime._time_series_data_set.TimeSeriesDataSet :raises: ClientException

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

属性

freq

返回频率。

seasonality

返回序列值趋于重复的周期数。

返回

seasonality。

返回类型

int

DETECT_SEASONALITY

DETECT_SEASONALITY = -1

SEASONAL_COMPONENT_NAME

SEASONAL_COMPONENT_NAME = 'seasonal'

TREND_COMPONENT_NAME

TREND_COMPONENT_NAME = 'trend'