gluonts.model.seasonal_agg 包#

class gluonts.model.seasonal_agg.SeasonalAggregatePredictor(prediction_length: int, season_length: typing.Union[int, typing.Callable], num_seasons: int, agg_fun: typing.Callable = <function nanmean>, imputation_method: gluonts.transform.feature.MissingValueImputation = gluonts.transform.feature.LastValueImputation())[source]#

基类: gluonts.model.predictor.RepresentablePredictor

季节性聚合预测器。

对于每个时间序列 \(y\)，该预测器会生成一个预测结果 \(\tilde{y}(T+k) = f ig(y(T+k-h), y(T+k-2h), ..., y(T+k-mh) ig)\)，其中 \(T\) 是预测时间，\(k = 0, ...,\) prediction_length - 1，\(m =\)，\(h =\) 以及 \(f =\)。

如果 prediction_length > season_length :math:` imes` num_seasons，则季节性聚合会重复多次。如果时间序列短于 season_length` :math:` imes` num_seasons，则 `agg_fun` 会应用于整个时间序列。

参数

  • prediction_length：要预测的时间点数。

  • season_length：用于进行预测的季节性。如果这是整数，则应用固定的季节性；如果这是函数，则将对每个给定条目的 "start" 字段的 freq 属性调用该函数，并使用返回的季节性。

  • num_seasons：要聚合的季节数。

  • agg_fun：聚合函数。

  • imputation_method：在存在缺失值时使用的插补方法。默认为 LastValueImputation，它用上一个非缺失值替换每个缺失值。

predict_item(item: Dict[str, Any]) → gluonts.model.forecast.Forecast[source]#