gluonts.model.trivial.mean 模块

class gluonts.model.trivial.mean.MeanEstimator(prediction_length: pydantic.v1.types.PositiveInt, num_samples: pydantic.v1.types.PositiveInt)

基类: gluonts.model.estimator.Estimator

一个 Estimator，计算训练数据中最后 prediction_length 个观测值的目标均值，并生成一个始终预测此均值的 ConstantPredictor。

参数

• prediction_length (int) – 预测范围。

• num_samples – 预测中包含的样本数量。请注意，此预测器生成的样本将全部相同。

lead_time: int

prediction_length: int

train(training_data: gluonts.dataset.Dataset, validation_dataset: Optional[gluonts.dataset.Dataset] = None) → gluonts.model.trivial.constant.ConstantPredictor

在给定数据上训练估计器。

参数

• training_data – 用于训练模型的数据集。

• validation_data – 训练期间用于验证模型的数据集。

返回

包含训练好模型的预测器。

返回类型

Predictor

class gluonts.model.trivial.mean.MeanPredictor(prediction_length: int, num_samples: int = 100, context_length: Optional[int] = None)

基类: gluonts.model.predictor.RepresentablePredictor

一个 Predictor，根据输入目标最后 context_length 个元素的均值来预测样本。

参数

• context_length – 用于预测条件的上下文目标长度。

• prediction_length – 预测范围的长度。

• num_samples – 用于为每个预测构造 SampleForecast 对象的样本数量。

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

class gluonts.model.trivial.mean.MovingAveragePredictor(prediction_length: int, context_length: Optional[int] = None)

基类: gluonts.model.predictor.RepresentablePredictor

一个 Predictor，根据输入目标最后 context_length 个元素的移动平均来预测。

如果 prediction_length = 1，输出是基于输入目标最后 context_length 个元素的移动平均。

如果 prediction_length > 1，输出是基于输入目标最后 context_length 个元素的移动平均，其中先前计算的移动平均会附加到输入目标的末尾。因此，当 prediction_length 大于 context_length 时，移动平均的计算有时会基于先前的移动平均值。

参数

• context_length – 用于预测条件的上下文目标长度。

• prediction_length – 预测范围的长度。

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