PytorchForecastingDeepAR#
- class PytorchForecastingDeepAR(model_params: dict[str, Any] | None = None, allowed_encoder_known_variable_names: list[str] | None = None, dataset_params: dict[str, Any] | None = None, train_to_dataloader_params: dict[str, Any] | None = None, validation_to_dataloader_params: dict[str, Any] | None = None, trainer_params: dict[str, Any] | None = None, model_path: str | None = None, deterministic: bool = False, random_log_path: bool = False, broadcasting: bool = False)[源代码][源代码]#
pytorch-forecasting DeepAR 模型。
- 参数:
- 模型参数dict[str, Any] (默认=None)
传递给初始化 pytorch-forecasting NBeats 模型的参数 [1] 例如:{“cell_type”: “GRU”, “rnn_layers”: 3}
- dataset_paramsdict[str, Any] (默认=None)
初始化 TimeSeriesDataSet [2] 的参数来自 pandas.DataFrame max_prediction_length 将根据 fh 被覆盖 time_idx, target, group_ids, time_varying_known_reals, time_varying_unknown_reals 将从数据中推断,因此您不需要传递它们
- train_to_dataloader_paramsdict[str, Any] (默认=None)
传递给 TimeSeriesDataSet.to_dataloader() 的默认参数为 {“train”: True}
- validation_to_dataloader_paramsdict[str, Any] (默认=None)
传递给 TimeSeriesDataSet.to_dataloader() 的默认参数为 {“train”: False}
- model_path: 字符串 (默认=None)
尝试加载一个已存在的模型而不进行拟合。仍然需要调用拟合函数,但不会执行实际的拟合操作。
- deterministic: bool (默认=False)
在预测之前设置种子,以便对于相同的输入给出相同的输出
- random_log_path: bool (默认=False)
使用随机根目录进行日志记录。此参数用于Github action中的CI测试,不适用于最终用户。
- 属性:
- 算法类
导入底层的 pytorch-forecasting 算法类。
- 算法参数
获取 DeepAR 类的关键字参数。
- dict
底层算法类的关键字参数