`tslearn.preprocessing`.TimeSeriesScalerMinMax¶

class tslearn.preprocessing.TimeSeriesScalerMinMax(value_range=(0.0, 1.0))[source]¶

时间序列的缩放器。缩放时间序列，使它们在每个维度上的跨度在min和max之间，其中value_range=(min, max)。

Parameters:

value_rangetuple (default: (0., 1.)): 输出时间序列的最小值和最大值。

注释

此方法需要一个等长时间序列的数据集。

在计算最小值和最大值时，时间序列中的NaNs会被忽略。

示例

>>> TimeSeriesScalerMinMax(value_range=(1., 2.)).fit_transform([[0, 3, 6]])
array([[[1. ],
        [1.5],
        [2. ]]])
>>> TimeSeriesScalerMinMax(value_range=(1., 2.)).fit_transform(
...     [[numpy.nan, 3, 6]]
... )
array([[[nan],
        [ 1.],
        [ 2.]]])

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。
`get_metadata_routing`()	获取此对象的元数据路由。
`get_params`([deep])	获取此估计器的参数。
`set_output`(*[, transform])	设置输出容器。
`set_params`(**params)	设置此估计器的参数。
`transform`(X[, y])	将对每个时间序列进行归一化（最小-最大）。

fit(X, y=None, **kwargs)[source]¶

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)[source]¶

拟合数据，然后进行转换。

Parameters:

Xarray-like of shape (n_ts, sz, d): 需要重新缩放的时间序列数据集。

Returns:

numpy.ndarray: 重采样的时间序列数据集。

get_metadata_routing()[source]¶

获取此对象的元数据路由。

请查看用户指南了解路由机制的工作原理。

Returns:

routingMetadataRequest: 一个封装了路由信息的MetadataRequest。

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（如果也是估计器）的参数。

Returns:

paramsdict: 参数名称映射到它们的值。

set_output(*, transform=None)[source]¶

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。

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）。后者具有形式为<component>__<parameter>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。

transform(X, y=None, **kwargs)[source]¶

将对每个时间序列进行归一化（最小-最大）。重要提示：此转换完全是无状态的，并且分别应用于每个时间序列。

Parameters:

Xarray-like of shape (n_ts, sz, d): 需要重新缩放的时间序列数据集。

Returns:

numpy.ndarray: 重新缩放的时间序列数据集。

tslearn.preprocessing.TimeSeriesScalerMinMax¶

使用tslearn.preprocessing.TimeSeriesScalerMinMax¶的示例

`tslearn.preprocessing`.TimeSeriesScalerMinMax¶

使用`tslearn.preprocessing.TimeSeriesScalerMinMax`¶的示例