.TimeSeriesResampler

class tslearn.preprocessing.TimeSeriesResampler(sz)

时间序列的重采样器。重采样时间序列，使其达到目标大小。

Parameters:

szint

输出时间序列的大小。

示例

>>> TimeSeriesResampler(sz=5).fit_transform([[0, 3, 6]])
array([[[0. ],
        [1.5],
        [3. ],
        [4.5],
        [6. ]]])

方法

fit(X[, y])	一个虚拟方法，使其符合sklearn的要求。
fit_transform(X[, y])	拟合数据，然后转换它。
set_output(*[, transform])	设置输出容器。
transform(X[, y])	拟合数据，然后转换它。

fit(X, y=None, **kwargs)

一个虚拟方法，以便它符合sklearn的要求。 由于此方法完全无状态，它只是返回自身。

Parameters:

X

忽略

Returns:

self

fit_transform(X, y=None, **kwargs)

拟合数据，然后进行转换。

Parameters:

Xarray-like of shape (n_ts, sz, d)

需要重新采样的时间序列数据集。

Returns:

numpy.ndarray

重采样的时间序列数据集。

set_output(*, transform=None)

设置输出容器。

请参阅Introducing the set_output API 以了解如何使用API的示例。

Parameters:

transform{“default”, “pandas”}, default=None

配置transform和fit_transform的输出。

• “default”: 转换器的默认输出格式

• “pandas”: DataFrame 输出

• None: 转换配置未更改

Returns:

selfestimator instance

估计器实例。

transform(X, y=None, **kwargs)

拟合数据，然后进行转换。

Parameters:

Xarray-like of shape (n_ts, sz, d)

需要重新采样的时间序列数据集。

Returns:

numpy.ndarray

重采样的时间序列数据集。

使用tslearn.preprocessing.TimeSeriesResampler的示例

k-means

k-means