训练数据集基类

class darts.utils.data.training_dataset.DualCovariatesTrainingDataset

基类：TrainingDataset, ABC

用于 DualCovariatesTorchModel 训练数据集的抽象类。它包含 (past_target, historic_future_covariates, future_covariates, static_covariates, future_target) 的 4-元组 np.ndarray。协变量是可选的，可以是 None。

class darts.utils.data.training_dataset.FutureCovariatesTrainingDataset

基类：TrainingDataset, ABC

用于 FutureCovariatesTorchModel 训练数据集的抽象类。它包含 (past_target, future_covariate, static_covariates, future_target) 的 3-元组 np.ndarray。协变量是可选的，可以是 None。

class darts.utils.data.training_dataset.MixedCovariatesTrainingDataset

基类：TrainingDataset, ABC

混合协变量Torch模型训练数据集的抽象类。它包含 (过去目标, 过去协变量, 历史未来协变量, 未来协变量, 静态协变量, 未来目标) 的 5-元组 np.ndarray。协变量是可选的，可以是 None。

class darts.utils.data.training_dataset.PastCovariatesTrainingDataset

基类：TrainingDataset, ABC

用于训练 PastCovariatesTorchModel 的抽象类数据集。它包含 (past_target, past_covariate, static_covariates, future_target) 的 3-元组 np.ndarray。协变量是可选的，可以是 None。

class darts.utils.data.training_dataset.SplitCovariatesTrainingDataset

基类：TrainingDataset, ABC

用于 SplitCovariatesTorchModel 训练数据集的抽象类。它包含 (past_target, past_covariates, future_covariates, static_covariates, future_target) 的 4 元组 np.ndarray。协变量是可选的，可以是 None。

class darts.utils.data.training_dataset.TrainingDataset

基类：ABC, Dataset

Darts 中所有 torch 模型训练数据集的超类。这些包括

• “PastCovariates”数据集（用于PastCovariatesTorchModel）：包含（past_target，

  past_covariates, static_covariates, future_target)

• “FutureCovariates” 数据集（用于 FutureCovariatesTorchModel）：包含（past_target，

  future_covariates, static_covariates, future_target)

• “DualCovariates” 数据集（用于 DualCovariatesTorchModel）：包含（past_target，

  historic_future_covariates, future_covariates, static_covariates, future_target)

• “MixedCovariates” 数据集（用于 MixedCovariatesTorchModel）：包含（past_target，

  past_covariates, historic_future_covariates, future_covariates, static_covariates, future_target)

• “SplitCovariates” 数据集（用于 SplitCovariatesTorchModel）：包含（past_target，

  past_covariates, future_covariates, static_covariates, future_target)

协变量是可选的，可以是 None。

这是用于训练（或验证）的，除了 future_target 之外的所有数据都表示模型输入（future_target 是模型训练来预测的输出）。

Darts 的 TorchForecastingModel 可以通过 fit_from_dataset() 方法从正确类型的 TrainingDataset 实例中进行拟合。

TrainingDataset 继承了 torch 的 Dataset；这意味着实现必须提供 __getitem__() 方法。

它包含 np.ndarray`（而不是 `TimeSeries），因为训练只需要数值，因此当我们通过返回 TimeSeries 底层数据的 numpy 视图来进行切片时，可以获得较大的性能提升。

上一页

<no title>

下一页

<no title>