MultiRocket¶

class MultiRocket(n_kernels=6250, max_dilations_per_kernel=32, n_features_per_kernel=4, normalise=False, n_jobs=1, random_state=None)[source]¶

多随机卷积核变换（MultiRocket）。

MultiRocket [1] 在原始序列和一阶差分序列表示上使用与MiniRocket相同的核集合。它为每种表示使用不同的膨胀集合。除了正值的百分比（PPV）外，MultiRocket还增加了3个池化操作符：正值的平均值（MPV）；正值索引的平均值（MIPV）；以及正值的最长连续段（LSPV）。

Parameters:

n_kernelsint, default = 6,250: 随机卷积核的数量。计算得到的特征数量是最接近的倍数，即n_features_per_kernel（默认 4）*84=336 < 50,000 (2*n_features_per_kernel（默认 4）*n_kernels（默认 6,250）)。
max_dilations_per_kernelint, default = 32: 每个内核的最大扩张次数。
n_features_per_kernelint, default = 4: 每个内核的特征数量。
normalisebool, default False: 是否对每个实例的输入时间序列进行归一化。
n_jobsint, default=1: 用于transform的并行运行作业数。-1表示使用所有处理器。
random_stateNone or int, default = None: 随机数生成的种子。

Attributes:

parametertuple: 用于输入X转换的参数（dilations, n_features_per_dilation, biases）。
parameter1tuple: 用于输入转换的参数（dilations, n_features_per_dilation, biases）X1 = np.diff(X, 1)。

另请参阅

MiniRocket, Rocket

注释

Capabilities ¶
缺失值	无
多线程	是
逆变换	否
单变量	是
多变量	是
不等长	否

参考文献

[1]

谭昌伟和邓普斯特，安格斯和伯格迈尔，克里斯托夫

Webb, Geoffrey I, “MultiRocket: 用于快速有效时间序列分类的多重池化操作符和变换”,2022, https://link.springer.com/article/10.1007/s10618-022-00844-1 https://arxiv.org/abs/2102.00457

示例

>>> from aeon.transformations.collection.convolution_based import MultiRocket
>>> from aeon.datasets import load_unit_test
>>> X_train, y_train = load_unit_test(split="train")
>>> X_test, y_test = load_unit_test(split="test")
>>> trf = MultiRocket(n_kernels=512)
>>> trf.fit(X_train)
MultiRocket(n_kernels=512)
>>> X_train = trf.transform(X_train)
>>> X_test = trf.transform(X_test)

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)[source]¶

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)[source]¶

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)[source]¶

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。

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)[source]¶

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()[source]¶

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)[source]¶

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()[source]¶

Sklearn 元数据路由。

不支持 aeon 估计器。

get_params(deep=True)[source]¶

获取此估计器的参数。

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:

paramsdict: 参数名称映射到它们的值。

get_tag(tag_name, raise_error=True, tag_value_default=None)[source]¶

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()[source]¶

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)[source]¶

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

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)[source]¶

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)[source]¶

设置此估计器的参数。

该方法适用于简单的估计器以及嵌套对象（如Pipeline）。后者具有<component>__<parameter>形式的参数，以便可以更新嵌套对象的每个组件。

Parameters:

**paramsdict: 估计器参数。

Returns:

selfestimator instance: 估计器实例。

set_tags(**tag_dict)[source]¶

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)[source]¶

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

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