gluonts.model.evaluation 模块

class gluonts.model.evaluation.BatchForecast(forecasts: List[gluonts.model.forecast.Forecast], allow_nan: bool = False)

基类: object

对 Forecast 对象的包装，向由 __getitem__ 返回的数组添加批量维度，以兼容 gluonts.ev。

allow_nan: bool = False

forecasts: List[gluonts.model.forecast.Forecast]

gluonts.model.evaluation.evaluate_forecasts(forecasts: Iterable[gluonts.model.forecast.Forecast], *, test_data: gluonts.dataset.split.TestData, metrics, axis: Optional[Union[int, tuple]] = None, batch_size: int = 100, mask_invalid_label: bool = True, allow_nan_forecast: bool = False, seasonality: Optional[int] = None) → pandas.core.frame.DataFrame

根据 metrics 评估 forecasts，并与 test_data 进行比较。

注意

此功能是实验性的，可能会有所更改。

可选的 axis 参数控制指标的聚合方式：- None（默认）跨所有维度聚合 - 0 跨数据集聚合 - 1 跨第一个数据维度（在单变量设置中表示时间）聚合 - 2 跨第二个数据维度（在多变量设置中表示时间）聚合

将结果作为 Pandas DataFrame 返回。

gluonts.model.evaluation.evaluate_forecasts_raw(forecasts: Iterable[gluonts.model.forecast.Forecast], *, test_data: gluonts.dataset.split.TestData, metrics, axis: Optional[Union[int, tuple]] = None, batch_size: int = 100, mask_invalid_label: bool = True, allow_nan_forecast: bool = False, seasonality: Optional[int] = None) → dict

根据 metrics 评估 forecasts，并与 test_data 进行比较。

注意

此功能是实验性的，可能会有所更改。

可选的 axis 参数控制指标的聚合方式：- None（默认）跨所有维度聚合 - 0 跨数据集聚合 - 1 跨第一个数据维度（在单变量设置中表示时间）聚合 - 2 跨第二个数据维度（在多变量设置中表示时间）聚合

将结果作为字典返回。

gluonts.model.evaluation.evaluate_model(model: gluonts.model.predictor.Predictor, *, test_data: gluonts.dataset.split.TestData, metrics, axis: Optional[Union[int, tuple]] = None, batch_size: int = 100, mask_invalid_label: bool = True, allow_nan_forecast: bool = False, seasonality: Optional[int] = None) → pandas.core.frame.DataFrame

根据 metrics 评估应用于 test_data 的 model。

注意

此功能是实验性的，可能会有所更改。

可选的 axis 参数控制指标的聚合方式：- None（默认）跨所有维度聚合 - 0 跨数据集聚合 - 1 跨第一个数据维度（在单变量设置中表示时间）聚合 - 2 跨第二个数据维度（在多变量设置中表示时间）聚合

将结果作为 Pandas DataFrame 返回。