时间序列回归#

The sktime.regression 模块包含用于时间序列回归的算法和组合工具。

sktime 中的所有回归器都可以使用 sktime.registry.all_estimators 工具列出，使用 estimator_types="regressor"，可以选择性地按标签过滤。有效标签可以使用 sktime.registry.all_tags 列出。

基于标签的完整表格也可以在 估计器搜索页面 上找到（在“估计器类型”下拉菜单中选择“回归器”）。

组合#

RegressorPipeline(regressor, transformers)

变换器和回归器的流水线。

SklearnRegressorPipeline(regressor, transformers)

变换器和回归器的流水线。

MultiplexRegressor(regressors[, ...])

用于在不同模型之间进行选择的 MultiplexRegressor。

模型选择与调优#

TSRGridSearchCV(estimator, param_grid[, ...])

对估计器的指定参数值进行穷举搜索。

集成方法#

ComposableTimeSeriesForestRegressor([...])

时间序列森林回归器。

深度学习#

CNNRegressor([n_epochs, batch_size, ...])

时间序列卷积神经网络 (CNN)，如 [1] 中所述。

CNTCRegressor([n_epochs, batch_size, ...])

上下文时间序列神经回归器 (CNTC)，如 [1] 中所述。

FCNRegressor([n_epochs, batch_size, ...])

全连接神经网络 (FCN)，如 [Rea5a1664c466-1] 中所述。

InceptionTimeRegressor([n_epochs, ...])

InceptionTime 深度学习回归器。

LSTMFCNRegressor([n_epochs, batch_size, ...])

来自 Karim 等人的 LSTMFCNRegressor 实现 (2019) [1]。

MACNNRegressor([n_epochs, batch_size, ...])

多尺度注意力卷积神经回归器，如 [R360bad5d0241-1] 中所述。

MCDCNNRegressor([n_epochs, batch_size, ...])

多通道深度卷积神经回归器，源自 [R244bb0d4e2ae-1]。

MLPRegressor([n_epochs, batch_size, ...])

多层感知器网络（MLP），如 [R15a0eceb2106-1] 中所述。

SimpleRNNRegressor([n_epochs, batch_size, ...])

简单的循环神经网络。

ResNetRegressor([n_epochs, callbacks, ...])

从 [1] 中采用的残差神经网络回归器。

TapNetRegressor([n_epochs, batch_size, ...])

时间序列注意力原型网络（TapNet），如[1]中所述。

基于距离的#

KNeighborsTimeSeriesRegressor([n_neighbors, ...])

KNN 时间序列回归器。

虚拟#

DummyRegressor([strategy, constant, quantile])

DummyRegressor 生成忽略输入特征的预测。

基于间隔的#

TimeSeriesForestRegressor([min_interval, ...])

时间序列森林回归器。

基于内核的#

TimeSeriesSVRTslearn([C, kernel, degree, ...])

时间序列支持向量回归器，来自 tslearn。

RocketRegressor([num_kernels, ...])

使用 RidgeCV 回归器包装的 Rocket 变换器的回归器。

基础#

BaseRegressor()

时间序列回归器的抽象基类。

BaseDeepRegressor()

深度学习时间序列回归的抽象基类。
On this page