反馈

short_grain_padding 模块

  • 参考

基于列类型和数据集频率填充短粒度。

函数

pad_short_grains

用 NaN 和零填充数据帧。

pad_short_grains(X: pandas.core.frame.DataFrame, y: numpy.ndarray, freq: pandas._libs.tslibs.offsets.DateOffset, automl_settings: azureml.automl.core.automl_base_settings.AutoMLBaseSettings, verifier: Optional[azureml.automl.runtime.faults_verifier.VerifierManager] = None) -> Tuple[pandas.core.frame.DataFrame, numpy.ndarray]

参数

X
必需

要进行填充分析的数据帧。

y
必需

目标值。

freq
必需

数据集的频率。

automl_settings
必需

数据的设置对象。

verifier
默认值: None

返回

填充所有短粒度的数据帧。

pad_short_grains_or_raise

一种简便的方法，用于填充数据并避免填充自身的异常。

如果频率为“None”，则方法将引发预测数据异常。 在上游代码中，频率可为“none”的唯一情况是我们对每个粒度都具有唯一的值，并且用户未提供频率。 注意：如果 automl_settings.short_series_handling_configuration 的值为“drop”或“None”，则不会更改数据集。 :param X: 要进行填充分析的数据帧。 :param y: 目标值。 :param freq: 数据集的频率。 :param automl_settings: 数据的设置对象。 :param ref_code: 在频率为 None 时用于标记异常的引用代码。 :raises: ForecastingDataException :return: 填充所有短粒度的数据帧。

pad_short_grains_or_raise(X: pandas.core.frame.DataFrame, y: numpy.ndarray, freq: pandas._libs.tslibs.offsets.DateOffset, automl_settings: azureml.automl.core.automl_base_settings.AutoMLBaseSettings, ref_code: str, verifier: Optional[azureml.automl.runtime.faults_verifier.VerifierManager] = None) -> Tuple[pandas.core.frame.DataFrame, numpy.ndarray]

参数

X
y
freq
automl_settings
ref_code
verifier
默认值: None