gluonts.evaluation.backtest 模块#
- gluonts.evaluation.backtest.backtest_metrics(test_dataset: gluonts.dataset.Dataset, predictor: gluonts.model.predictor.Predictor, evaluator=<gluonts.evaluation._base.Evaluator object>, num_samples: int = 100, logging_file: typing.Optional[str] = None) Tuple[dict, pandas.core.frame.DataFrame][源码]#
- 参数
test_dataset – 用于测试的数据集。
predictor – 要测试的预测器。
evaluator – 要使用的评估器。
num_samples – 生成基于样本的预测时使用的样本数量。仅基于抽样（sampling-based）的模型会使用此参数。
logging_file – 如果指定，回测信息将被重定向到此文件。
- 返回值
一个元组，包含通过在 train_dataset 上训练 forecaster 并在 test_dataset 上评估提供的 evaluator 获得的汇总指标和每个时间序列的指标。
- 返回类型
Tuple[dict, pd.DataFrame]
- gluonts.evaluation.backtest.make_evaluation_predictions(dataset: gluonts.dataset.Dataset, predictor: gluonts.model.predictor.Predictor, num_samples: int = 100) Tuple[Iterator[gluonts.model.forecast.Forecast], Iterator[pandas.core.series.Series]][源码]#
使用给定的预测器，返回给定时间序列末尾 prediction_length 个观测值的预测结果。
预测器将使用给定时间序列中不包含末尾 prediction_length 个观测值的部分作为输入。
- 参数
dataset – 进行评估的数据集。进行预测时仅使用不包含 prediction_length 部分的数据。
predictor – 用于生成预测的模型。
num_samples – 评估时从模型中抽取的样本数量。仅基于抽样（sampling-based）的模型会使用此参数。
- 返回值
一对迭代器，第一个生成预测结果，第二个生成对应的真实时间序列。
- 返回类型
Tuple[Iterator[Forecast], Iterator[pd.Series]]