paddlets.ensemble.weighting_ensemble

class WeightingEnsembleBase(estimators: List[Tuple[object, dict]], mode='mean', verbose: bool = False)[源代码]

基类：EnsembleBase

WeightingEnsemble基类

参数

  • estimators (List[Tuple[object, dict]]) – 一个由paddlets模型组成的 tuple (模型类名,模型参数) 列表

  • model – weighting的模式，支持[“mean”,”min”,”max”,”median”]，默认值为“mean”

  • verbose (bool) – 是否开启日志，默认开启

fit(train_tsdataset: TSDataset, valid_tsdataset: Optional[TSDataset] = None) → None[源代码]

Fit

参数

  • train_tsdataset (TSDataset) – 训练集

  • valid_tsdataset (TSDataset, optional) – 验证集

predict(tsdataset: TSDataset) → TSDataset[源代码]
参数

tsdataset (TSDataset) – 预测的数据

class WeightingEnsembleForecaster(in_chunk_len: int, out_chunk_len: int, skip_chunk_len: int, estimators: List[Tuple[object, dict]], mode='mean', verbose: bool = False)[源代码]

基类：WeightingEnsembleBase, BaseModel

Weighting集成预测

参数

  • in_chunk_len (int) – 模型输入的时间序列长度

  • out_chunk_len (int) – 模型输出的序列长度

  • skip_chunk_len (int) – 可选变量， 输入序列与输出序列之间跳过的序列长度，既不作为特征也不作为预测目标使用，默认值为0

  • estimators (List[Tuple[object, dict]]) – 一个由paddlets模型组成的 tuple (模型类名,模型参数) 列表

  • mode – weighting的模式，支持[“mean”,”min”,”max”,”median”]，默认值为“mean”

  • verbose (bool) – 是否开启日志，默认开启

fit(train_tsdataset: TSDataset, valid_tsdataset: Optional[TSDataset] = None) → None[源代码]
参数

  • train_tsdataset (TSDataset) – 训练集

  • valid_tsdataset (TSDataset, optional) – 验证集

predict(tsdataset: TSDataset) → TSDataset[源代码]
参数

tsdataset (TSDataset) – 预测的数据

save(path: str, ensemble_file_name: str = 'paddlets-weighting-ensemble-forecaster-partial.pkl') → None[源代码]

保存模型

参数

  • path (str) – 保存路径

  • ensemble_file_name (str) – 模型文件名

static load(path: str, ensemble_file_name: str = 'paddlets-weighting-ensemble-forecaster-partial.pkl') → WeightingEnsembleForecaster[源代码]

加载模型

参数

  • path (str) – 加载路径

  • ensemble_file_name (str) – 模型文件名

返回

加载的模型

class WeightingEnsembleAnomaly(in_chunk_len, estimators: List[Tuple[object, dict]], mode='mean', contamination: int = 0, standardization: bool = True, verbose: bool = False)[源代码]

基类：WeightingEnsembleBase

Weighting集成异常检测

参数

  • in_chunk_len (int) – 模型输入的时间序列长度

  • estimators (List[Tuple[object, dict]]) – 一个由paddlets异常检测模型/pyody异常检测模型，组成的 tuple (模型类名,模型参数) 列表

  • model – weighting的模式，支持[“mean”,”min”,”max”,”median”]，默认值为“mean”

  • contamination (int) – 异常率，在[0,0.5)之间。 举个例子，当值为0.1时，在训练集里第10%th的数值将被设认为是异常阈值。默认为0，即训练集预测结果中的最大score为异常阈值。

  • standardization – 底层模型输出是否标准化，默认为True

  • verbose (bool) – 是否开启日志，默认开启

fit(train_tsdataset: TSDataset, valid_tsdataset: Optional[TSDataset] = None) → None[源代码]

Fit

参数

  • train_tsdataset (TSDataset) – 训练集

  • valid_tsdataset (TSDataset, optional) – 验证集

predict(tsdataset: TSDataset) → TSDataset[源代码]

预测

参数

tsdataset (TSDataset) – 预测的数据

predict_score(tsdataset: TSDataset) → TSDataset[源代码]

获得异常检测分数，结果为tsdataset的形式

参数

tsdataset (TSDataset) – 预测的数据

返回

TSDataset.

save(path: str, ensemble_file_name: str = 'paddlets-weighting-ensemble-anomly-partial.pkl') → None[源代码]

保存模型

参数

  • path (str) – 保存路径

  • ensemble_file_name (str) – 模型文件名

static load(path: str, ensemble_file_name: str = 'paddlets-weighting-ensemble-anomly-partial.pkl') → WeightingEnsembleAnomaly[源代码]

加载模型

参数

  • path (str) – 加载路径

  • ensemble_file_name (str) – 模型文件名

返回

加载的模型