生成_ar数据

pytorch_forecasting.data.examples.generate_ar_data(n_series: int = 10, timesteps: int = 400, seasonality: float = 3.0, trend: float = 3.0, noise: float = 0.1, level: float = 1.0, exp: bool = False, seed: int = 213) → DataFrame

生成没有协变量的多变量数据。

每个时间序列是由季节性和趋势生成的。重要列：

• series：系列 ID

• time_idx: 时间索引

• value: 目标值

Parameters:

• n_series (int, 可选) – 系列的数量。默认为10。

• 时间步数 (int, 可选) – 时间步数的数量。默认为 400.

• 季节性 (浮点数, 可选) – 归一化频率，即频率为 季节性 / 时间步长。默认为 3.0。

• 趋势 (浮点数, 可选) – 趋势乘数（季节性与 1.0 相乘）。默认为 3.0。

• noise (float, 可选) – 高斯噪声的水平。默认值为0.1。

• level (float, 可选) – 水平乘数（水平是要添加到时间序列的常数）。默认为 1.0。

• exp (bool, optional) – 是否返回时间序列值的指数。默认值为 False。

• seed (int, 可选) – 随机种子。默认为 213。

Returns:

数据

Return type:

pd.DataFrame