CollectionTransformerPipeline

class CollectionTransformerPipeline(transformers)

集合转换器的管道。

CollectionTransformerPipeline 组合器将转换器链接起来。管道由一系列 aeon 转换器构建而成，

即，遵循BaseTransformer接口的估计器。

The transformer list can be unnamed - a simple list of transformers -

或字符串命名 - 一个字符串和估计器对的列表。

For a list of transformers trafo1, trafo2, …, trafoN,

管道的行为如下：

fit(X, y) - changes state by running trafo1.fit_transform on X,

在trafo1.fit_transform的输出上应用trafo2.fit_transform，依此类推 依次进行，trafo[i]接收trafo[i-1]的输出， 然后使用X作为trafo[N-1]的输出运行trafo[N].fit， 并且y与self.fit的输入相同

transform(X, y) - result is of executing trafo1.transform, trafo2.transform,

等与 trafo[i].transform 输入 = trafo[i-1].transform 的输出， 然后在 trafo[N-1].transform 的输出上运行 trafo[N].transform， 并返回输出。

Parameters:

transformersaeon or sklearn transformer or list of transformers

一个转换器或转换器列表。 也可以传递转换器的元组列表（str, transformer），其中 str用于命名转换器。 对象在之前被克隆，因此输入的状态不会 通过拟合管道而被修改。

Attributes:

steps_list of tuples (str, estimator) of transformers

克隆在管道中安装的转换器。 即使转换器输入是单个转换器或转换器列表，也始终以（str，estimator）格式存在。

注释

Capabilities

缺失值	无
多线程	否
逆变换	否
单变量	是
多变量	否
不等长	否

示例

>>> from aeon.transformations.collection import Resizer
>>> from aeon.transformations.collection.feature_based import (
...     SevenNumberSummary)
>>> from aeon.datasets import load_unit_test
>>> from aeon.transformations.collection.compose import (
...     CollectionTransformerPipeline)
>>> X, y = load_unit_test(split="train")
>>> pipeline = CollectionTransformerPipeline(
...     [Resizer(length=10), SevenNumberSummary()]
... )
>>> pipeline.fit(X, y)
CollectionTransformerPipeline(...)
>>> Xt = pipeline.transform(X, y)

方法

clone([random_state])	获取具有相同超参数的对象的克隆。
fit(X[, y])	将转换器拟合到X，如果是有监督的，可以选择使用y。
fit_transform(X[, y])	拟合数据，然后转换它。
get_class_tag(tag_name[, raise_error, ...])	从估计器类获取标签值（仅限类标签）。
get_class_tags()	从估计器类及其所有父类中获取类标签。
get_fitted_params([deep])	获取拟合参数。
get_metadata_routing()	Sklearn 元数据路由。
get_params([deep])	获取此估计器的参数。
get_tag(tag_name[, raise_error, ...])	从估计器类中获取标签值。
get_tags()	从估计器中获取标签。
inverse_transform(X[, y])	反向转换X并返回一个反向转换后的版本。
reset([keep])	将对象重置为初始化后的干净状态。
set_params(**params)	设置此估计器的参数。
set_tags(**tag_dict)	将动态标签设置为给定值。
transform(X[, y])	转换X并返回转换后的版本。

clone(random_state=None)

获取具有相同超参数的对象克隆。

克隆是一个没有共享引用的不同对象，处于初始化后的状态。 这个函数等同于返回自身的sklearn.clone。 在值上等同于type(self)(**self.get_params(deep=False))。

Parameters:

random_stateint, RandomState instance, or None, default=None

设置克隆的随机状态。如果为None，则不设置随机状态。 如果为int，random_state是随机数生成器使用的种子。 如果为RandomState实例，random_state是随机数生成器。

Returns:

estimatorobject

type(self) 的实例，self 的克隆（见上文）

fit(X, y=None)

将转换器拟合到X，如果是有监督的，可以选择使用y。

State change:

将状态更改为“已拟合”。

写入自身： _is_fitted : 标志设置为True。 模型属性（以“_”结尾） : 依赖于估计器

Parameters:

Xnp.ndarray or list

要拟合转换的数据，必须是有效的集合类型。输入数据，可以是任意数量的通道，形状为( n_cases, n_channels, n_timepoints)的等长序列，或者是形状为[n_cases]的numpy数组列表（任意数量的通道，不等长序列），2D np.array (n_channels, n_timepoints_i)，其中n_timepoints_i是序列i的长度。允许其他类型的数据，并将其转换为上述类型之一。

不同的估计器具有处理不同类型输入的不同能力。如果self.get_tag("capability:multivariate")为False，它们无法处理多变量序列。如果self.get_tag( "capability:unequal_length")为False，它们无法处理不等长的输入。在这两种情况下，如果X具有估计器无法处理的特性，则会引发ValueError。

ynp.ndarray, default=None

1D np.array 的浮点数或字符串，形状为 (n_cases) - 用于拟合的类标签（真实值），对应于 X 中的实例索引。如果为 None，则在拟合时不使用任何标签。

Returns:

selfa fitted instance of the estimator

fit_transform(X, y=None)

拟合数据，然后进行转换。

将转换器适配到X和y，并返回X的转换版本。

State change:

将状态更改为“已拟合”。

写入自身： _is_fitted : 标志设置为 True。 模型属性（以“_”结尾） : 依赖于估计器。

Parameters:

Xnp.ndarray or list

要拟合转换的数据，必须是有效的集合类型。输入数据，可以是任意数量的通道，等长序列的形状为(n_cases, n_channels, n_timepoints)或形状为[n_cases]的numpy数组列表（任意数量的通道，不等长序列），2D np.array ( n_channels, n_timepoints_i)，其中n_timepoints_i是序列i的长度。允许其他类型的数据，并将其转换为上述类型之一。

不同的估计器具有处理不同类型输入的不同能力。如果self.get_tag("capability:multivariate")为False，它们无法处理多变量序列。如果self.get_tag( "capability:unequal_length")为False，它们无法处理不等长的输入。在这两种情况下，如果X具有估计器无法处理的特性，则会引发ValueError。

ynp.ndarray, default=None

1D np.array 的浮点数或字符串，形状为 (n_cases) - 用于拟合的类标签（真实值），对应于 X 中的实例索引。如果为 None，则在拟合时不使用任何标签。

Returns:

transformed version of X

classmethod get_class_tag(tag_name, raise_error=True, tag_value_default=None)

从估计器类获取标签值（仅限类标签）。

Parameters:

tag_namestr

标签值的名称。

raise_errorbool, default=True

当未找到标签时是否引发ValueError。

tag_value_defaultany type, default=None

如果未找到标签且未引发错误，则使用默认/回退值。

Returns:

tag_value

cls中tag_name标签的值。 如果未找到，当raise_error为True时返回错误，否则返回tag_value_default。

Raises:

ValueError

如果 raise_error 为 True 并且 tag_name 不在 self.get_tags().keys() 中

示例

>>> from aeon.classification import DummyClassifier
>>> DummyClassifier.get_class_tag("capability:multivariate")
True

classmethod get_class_tags()

从估计器类及其所有父类获取类标签。

Returns:

collected_tagsdict

标签名称和标签值对的字典。 通过嵌套继承从_tags类属性中收集。 这些不会被set_tags或类__init__调用设置的动态标签覆盖。

get_fitted_params(deep=True)

获取拟合参数。

State required:

需要状态为“已拟合”。

Parameters:

deepbool, default=True

如果为True，将返回此估计器的拟合参数以及包含的作为估计器的子对象。

Returns:

fitted_paramsdict

拟合参数名称映射到它们的值。

get_metadata_routing()

Sklearn 元数据路由。

不支持 aeon 估计器。

get_params(deep=True)

获取此估计器的参数。

返回构造函数中给定的参数，以及如果深度为真，则返回包含在可组合估计器中的估计器。

Parameters:

deepbool, default=True

如果为True，将返回此估计器及其包含的子对象的参数。

Returns:

paramsmapping of string to any

参数名称映射到它们的值。

get_tag(tag_name, raise_error=True, tag_value_default=None)

从估计器类获取标签值。

包括动态和覆盖的标签。

Parameters:

tag_namestr

要检索的标签名称。

raise_errorbool, default=True

当未找到标签时是否引发ValueError。

tag_value_defaultany type, default=None

如果未找到标签且未引发错误，则使用默认/回退值。

Returns:

tag_value

自身中tag_name标签的值。 如果未找到，当raise_error为True时返回错误，否则返回tag_value_default。

Raises:

ValueError

如果 raise_error 是 True 并且 tag_name 不在 self.get_tags().keys() 中

示例

>>> from aeon.classification import DummyClassifier
>>> d = DummyClassifier()
>>> d.get_tag("capability:multivariate")
True

get_tags()

从估计器中获取标签。

包括动态和覆盖的标签。

Returns:

collected_tagsdict

标签名称和标签值对的字典。 通过嵌套继承从_tags类属性收集，然后从__init__或set_tags中收集任何被覆盖和新添加的标签。

inverse_transform(X, y=None)

对X进行逆变换并返回逆变换后的版本。

Currently it is assumed that only transformers with tags

“input_data_type”=”Series”, “output_data_type”=”Series”,

可以有一个逆变换。

State required:

需要状态为“已拟合”。

Accesses in self:

_is_fitted : 必须为 True 拟合模型属性（以“_”结尾）: 通过 _inverse_transform 访问

Parameters:

Xnp.ndarray or list

要拟合转换的数据，必须是有效的集合类型。输入数据，可以是任意数量的通道，形状为( n_cases, n_channels, n_timepoints)的等长序列，或者是形状为[n_cases]的numpy数组列表（任意数量的通道，不等长序列），2D np.array (n_channels, n_timepoints_i)，其中n_timepoints_i是序列i的长度。允许其他类型的数据，并将其转换为上述类型之一。

不同的估计器具有处理不同类型输入的不同能力。如果self.get_tag("capability:multivariate")为False，它们无法处理多变量序列。如果self.get_tag( "capability:unequal_length")为False，它们无法处理不等长的输入。在这两种情况下，如果X具有估计器无法处理的特性，则会引发ValueError。

ynp.ndarray, default=None

1D np.array 的浮点数或字符串，形状为 (n_cases) - 用于拟合的类标签（真实值），对应于 X 中的实例索引。如果为 None，则在拟合时不使用任何标签。

Returns:

inverse transformed version of X

与X类型相同

reset(keep=None)

将对象重置为初始化后的干净状态。

在调用self.reset()之后，self的值等于或类似于type(self)(**self.get_params(deep=False))，假设没有使用keep保留其他属性。

Detailed behaviour:

removes any object attributes, except:

超参数（__init__的参数） 包含双下划线的对象属性，即字符串“__”

使用当前超参数的值（get_params的结果）运行__init__

Not affected by the reset are:

包含双下划线的对象属性 类和对象方法，类属性 在keep参数中指定的任何属性

Parameters:

keepNone, str, or list of str, default=None

如果为None，则除了超参数外，所有属性都将被移除。 如果为str，则仅保留具有此名称的属性。 如果为str列表，则仅保留具有这些名称的属性。

Returns:

selfobject

自我引用。

set_params(**params)

设置此估计器的参数。

可以使用get_params()列出有效的参数键。请注意，您可以直接使用其分配的名称设置包含在可组合估计器中的估计器的参数。

Parameters:

**kwargsdict

此估计器的参数或包含在可组合估计器中的估计器的参数。可以使用其名称和参数名称（用“__”分隔）来设置估计器的参数。

Returns:

selfestimator instance

估计器实例。

set_tags(**tag_dict)

将动态标签设置为给定值。

Parameters:

**tag_dictdict

标签名称和标签值对的字典。

Returns:

selfobject

自我引用。

transform(X, y=None)

转换X并返回转换后的版本。

State required:

需要状态为“已拟合”。

访问自身： _is_fitted : 必须为 True 拟合模型属性（以“_”结尾） : 必须设置，通过 _transform 访问

Parameters:

Xnp.ndarray or list

要拟合转换的数据，必须是有效的集合类型。输入数据，可以是任意数量的通道，形状为( n_cases, n_channels, n_timepoints)的等长序列，或者是形状为[n_cases]的numpy数组列表（任意数量的通道，不等长序列），2D np.array (n_channels, n_timepoints_i)，其中n_timepoints_i是序列i的长度。允许其他类型的数据，并将其转换为上述类型之一。

不同的估计器具有处理不同类型输入的不同能力。如果self.get_tag("capability:multivariate")为False，它们无法处理多变量序列。如果self.get_tag( "capability:unequal_length")为False，它们无法处理不等长的输入。在这两种情况下，如果X具有估计器无法处理的特性，则会引发ValueError。

ynp.ndarray, default=None

1D np.array 的浮点数或字符串，形状为 (n_cases) - 用于拟合的类标签（真实值），对应于 X 中的实例索引。如果为 None，则在拟合时不使用任何标签。

Returns:

transformed version of X