gluonts.dataset.hierarchical 模块#

class gluonts.dataset.hierarchical.HierarchicalTimeSeries(ts_at_bottom_level: pandas.core.frame.DataFrame, S: numpy.ndarray)[source]#

基类: object

用于表示层次时间序列的类。

层次结构由标准聚合矩阵 S 表示。层次结构底部（叶级）的时间序列（ts_at_bottom_level）假定由单个 pandas 数据框的列给出。

ts_at_bottom_level 列的顺序应与 S 列的顺序一致。

参数

ts_at_bottom_level – 一个 pandas 数据框，其列是与层次结构的叶级相对应的时间序列。
S – 求和或聚合矩阵，其顺序应与 ts_at_all_levels 列的顺序一致。特别是，底部的 k x k 子矩阵应该是单位矩阵，其中 k 是层次结构的叶级数量。

static aggregate_ts(ts_at_bottom_level: pandas.core.frame.DataFrame, S: numpy.ndarray) → pandas.core.frame.DataFrame[source]#

根据求和/聚合矩阵 S 构建聚合时间序列。

参数

ts_at_bottom_level – 一个 pandas 数据框，其列是与层次结构的叶级相对应的时间序列。
S – 求和或聚合矩阵，其顺序应与 ts_at_all_levels 列的顺序一致。特别是，底部的 k x k 子矩阵应该是单位矩阵，其中 k 是层次结构的叶级数量。

返回值

to_dataset(feat_dynamic_real: Optional[pandas.core.frame.DataFrame] = None)[source]#

将层次时间序列转换为 gluonts.dataset.PandasDataset。

注意：当前层次模型仅使用动态实值特征。然而，模型内部会创建一个分类特征来区分层次结构中的不同时间序列。

参数: feat_dynamic_real – 一个 pandas 数据框，其列包含动态特征。请注意，层次结构中任何（或所有）时间序列的特征都可以在此处传递，因为所有时间序列被视为单个多元时间序列。
返回值: PandasDataset 的一个实例。
返回类型: PandasDataset