高斯过程¶
- class darts.models.filtering.gaussian_process_filter.GaussianProcessFilter(kernel=None, **kwargs)[源代码]¶
-
该模型使用 scikit-learn 的
GaussianProcessRegressor来拟合一个高斯过程到提供的 TimeSeries。然后可以用来在高斯过程的时间序列时间点上获取样本。例如，它可以用来填充时间序列中缺失的（NaN）值。
- 参数
kernel (sklearn.gaussian_process.kernels.Kernel, default: None) – 指定高斯过程协方差函数的核。如果传递 None，则使用 scikit-learn 中的默认值。请注意，除非边界标记为 ‘fixed’，否则核超参数在拟合过程中会进行优化。
**kwargs – 传递给
sklearn.gaussian_process.GaussianProcessRegressor的额外关键字参数。
方法
filter(series[, num_samples])在观测数据上拟合高斯过程，并返回高斯过程的样本，如果 num_samples 设置为 1，则返回其均值。
- filter(series, num_samples=1)[源代码]¶
在观测数据上拟合高斯过程，并返回高斯过程的样本，如果 num_samples 设置为 1，则返回其均值。
- 参数
series (
TimeSeries) – 用于根据指定的高斯过程推断值的观测序列。这必须是一个确定性序列（包含一个样本）。num_samples (int, default: 1) – 从高斯过程采样预测的次数。如果设置为1，将返回均值。
- 返回
从高斯过程采样的随机
TimeSeries，如果 num_samples 设置为 1，则为均值。- 返回类型