gluonts.mx.kernels 包#

class gluonts.mx.kernels.Kernel[source]#

基类: object

kernel_matrix(x1: Union[mxnet.ndarray.ndarray.NDArray, mxnet.symbol.symbol.Symbol], x2: Union[mxnet.ndarray.ndarray.NDArray, mxnet.symbol.symbol.Symbol])[source]#
class gluonts.mx.kernels.KernelOutput[source]#

基类: object

连接网络到核函数的类。

static compute_std(F, data: Union[mxnet.ndarray.ndarray.NDArray, mxnet.symbol.symbol.Symbol], axis: int) → Union[mxnet.ndarray.ndarray.NDArray, mxnet.symbol.symbol.Symbol][source]#

此函数计算给定轴上数据的标准差。

参数

  • F (ModuleType) – 可引用 MXNet 中 Symbol API 或 NDArray API 的模块。

  • data (Tensor) – 用于计算标准差的数据。

  • axis (int) – 计算标准差所沿的轴。

返回值

给定数据的标准差。

返回类型

Tensor

get_args_proj(float_type: Type) → mxnet.gluon.block.HybridBlock[source]#
kernel(args) → gluonts.mx.kernels._kernel.Kernel[source]#
class gluonts.mx.kernels.KernelOutputDict[source]#

基类: gluonts.mx.kernels._kernel_output.KernelOutput

args_dim: Dict[str, int]#
domain_map(F, *args: Union[mxnet.ndarray.ndarray.NDArray, mxnet.symbol.symbol.Symbol])[source]#
get_args_proj(float_type: typing.Type = <class 'numpy.float32'>) → gluonts.mx.distribution.distribution_output.ArgProj[source]#

此方法调用 distribution_output 中的 ArgProj 块，将密集层投影到核函数参数。

参数

float_type (Type) – 确定使用单精度还是双精度。

返回类型

ArgProj

get_num_args() → int[source]#
gp_params_scaling(F, past_target: Union[mxnet.ndarray.ndarray.NDArray, mxnet.symbol.symbol.Symbol], past_time_feat: Union[mxnet.ndarray.ndarray.NDArray, mxnet.symbol.symbol.Symbol]) → tuple[source]#
kernel(kernel_args) → gluonts.mx.kernels._kernel.Kernel[source]#
参数

kernel_args – 可变长度参数列表。

返回值

实例化指定的 Kernel 子类对象。

返回类型

gluonts.mx.kernels.Kernel

kernel_cls: type#
class gluonts.mx.kernels.PeriodicKernel(amplitude: Union[mxnet.ndarray.ndarray.NDArray, mxnet.symbol.symbol.Symbol], length_scale: Union[mxnet.ndarray.ndarray.NDArray, mxnet.symbol.symbol.Symbol], frequency: Union[mxnet.ndarray.ndarray.NDArray, mxnet.symbol.symbol.Symbol], F=None)[source]#

基类: gluonts.mx.kernels._kernel.Kernel

根据输入 \(\mathbf{x_1}\) 和 \(\mathbf{x_2}\) 之间的周期性核函数 (Periodic kernel) 计算协方差矩阵：\(k_{\text{Per}}(\mathbf{x_1}, \mathbf{x_2}) = \theta_0 \exp \left (\frac{-2\sin^2(\theta_2 \pi \|\mathbf{x_1} - \mathbf{x_2}\|)} {\theta_1^2} \right)\)，其中 \(\theta_0\) 是振幅参数，\(\theta_1\) 是长度尺度参数，\(\theta_2\) 是频率参数。

kernel_matrix(x1: Union[mxnet.ndarray.ndarray.NDArray, mxnet.symbol.symbol.Symbol], x2: Union[mxnet.ndarray.ndarray.NDArray, mxnet.symbol.symbol.Symbol]) → Union[mxnet.ndarray.ndarray.NDArray, mxnet.symbol.symbol.Symbol][source]#
参数

  • x1 (Tensor) – 特征数据，形状为 (batch_size, history_length, num_features)。

  • x2 (Tensor) – 特征数据，形状为 (batch_size, history_length, num_features)。

返回值

周期性核函数矩阵，形状为 (batch_size, history_length, history_length)。

返回类型

Tensor

class gluonts.mx.kernels.PeriodicKernelOutput[source]#

基类: gluonts.mx.kernels._kernel_output.KernelOutputDict

args_dim: Dict[str, int] = {'amplitude': 1, 'frequency': 1, 'length_scale': 1}#
classmethod domain_map(F, amplitude, length_scale, frequency)[source]#

此函数对周期性核函数超参数应用 softmax。

参数

  • F – 可引用 MXNet 中 Symbol API 或 NDArray API 的模块。

  • amplitude – 周期性核函数振幅超参数，形状为 (batch_size, 1, 1)。

  • length_scale – 周期性核函数长度尺度超参数，形状为 (batch_size, 1, 1)。

  • frequency – 周期性核函数超参数，形状为 (batch_size, 1, 1)。

返回值

三个 GP 周期性核函数超参数。每个参数是一个形状为 (batch_size, 1, 1) 的 Tensor。

返回类型

Tuple[Tensor, Tensor, Tensor]

gp_params_scaling(F, past_target: Union[mxnet.ndarray.ndarray.NDArray, mxnet.symbol.symbol.Symbol], past_time_feat: Union[mxnet.ndarray.ndarray.NDArray, mxnet.symbol.symbol.Symbol]) → Tuple[Union[mxnet.ndarray.ndarray.NDArray, mxnet.symbol.symbol.Symbol], Union[mxnet.ndarray.ndarray.NDArray, mxnet.symbol.symbol.Symbol], Union[mxnet.ndarray.ndarray.NDArray, mxnet.symbol.symbol.Symbol], Union[mxnet.ndarray.ndarray.NDArray, mxnet.symbol.symbol.Symbol]][source]#

此函数通过使用 past_target 和 past_time_features 的标准差，返回 GP 周期性核函数超参数的尺度。

参数

  • F (ModuleType) – 可引用 MXNet 中 Symbol API 或 NDArray API 的模块。

  • past_target (Tensor) – 训练时间序列值，形状为 (batch_size, context_length)。

  • past_time_feat (Tensor) – 训练特征，形状为 (batch_size, context_length, num_features)。

返回值

周期性核函数的三个缩放后的 GP 超参数以及缩放后的模型噪声超参数。每个参数是一个形状为 (batch_size, 1, 1) 的 Tensor。

返回类型

Tuple

kernel_cls#

`gluonts.mx.kernels._periodic_kernel.PeriodicKernel` 的别名

class gluonts.mx.kernels.RBFKernel(amplitude: Union[mxnet.ndarray.ndarray.NDArray, mxnet.symbol.symbol.Symbol], length_scale: Union[mxnet.ndarray.ndarray.NDArray, mxnet.symbol.symbol.Symbol], F=None)[source]#

基类: gluonts.mx.kernels._kernel.Kernel

根据输入 \(\mathbf{x_1}\) 和 \(\mathbf{x_2}\) 之间的 RBF (平方指数) 核函数计算协方差矩阵：\(k_{\text{RBF}}(\mathbf{x_1}, \mathbf{x_2}) = \theta_0 \exp \left ( -\frac{\|\mathbf{x_1} - \mathbf{x_2}\|^2} {2\theta_1^2} \right)\)，其中 \(\theta_0\) 是振幅参数，\(\theta_1\) 是长度尺度参数。

kernel_matrix(x1: Union[mxnet.ndarray.ndarray.NDArray, mxnet.symbol.symbol.Symbol], x2: Union[mxnet.ndarray.ndarray.NDArray, mxnet.symbol.symbol.Symbol]) → Union[mxnet.ndarray.ndarray.NDArray, mxnet.symbol.symbol.Symbol][source]#
参数

  • x1 (Tensor) – 特征数据，形状为 (batch_size, history_length, num_features)。

  • x2 (Tensor) – 特征数据，形状为 (batch_size, history_length, num_features)。

返回值

RBF 核函数矩阵，形状为 (batch_size, history_length, history_length)。

返回类型

Tensor

class gluonts.mx.kernels.RBFKernelOutput[source]#

基类: gluonts.mx.kernels._kernel_output.KernelOutputDict

args_dim: Dict[str, int] = {'amplitude': 1, 'length_scale': 1}#
domain_map(F, amplitude, length_scale)[source]#

此函数对 RBF 核函数超参数应用 softmax。

参数

  • F – 可引用 MXNet 中 Symbol API 或 NDArray API 的模块。

  • amplitude – RBF 核函数振幅超参数，形状为 (batch_size, 1, 1)。

  • length_scale – RBF 核函数长度尺度超参数，形状为 (batch_size, 1, 1)。

返回值

两个 GP RBF 核函数超参数。每个参数是一个形状为 (batch_size, 1, 1) 的 Tensor。

返回类型

Tuple[Tensor, Tenspr]

gp_params_scaling(F, past_target: Union[mxnet.ndarray.ndarray.NDArray, mxnet.symbol.symbol.Symbol], past_time_feat: Union[mxnet.ndarray.ndarray.NDArray, mxnet.symbol.symbol.Symbol]) → Tuple[Union[mxnet.ndarray.ndarray.NDArray, mxnet.symbol.symbol.Symbol, Union[mxnet.ndarray.ndarray.NDArray, mxnet.symbol.symbol.Symbol, Union[mxnet.ndarray.ndarray.NDArray, mxnet.symbol.symbol.Symbol]][source]#

此函数通过使用 past_target 和 past_time_features 的标准差，返回 GP RBF 核函数超参数的尺度。

参数

  • F – 可引用 MXNet 中 Symbol API 或 NDArray API 的模块。

  • past_target – 训练时间序列值，形状为 (batch_size, context_length)。

  • past_time_feat – 训练特征，形状为 (batch_size, context_length, num_features)。

返回值

RBF 核函数的两个缩放后的 GP 超参数以及缩放后的模型噪声超参数。每个参数是一个形状为 (batch_size, 1, 1) 的 Tensor。

返回类型

Tuple

kernel_cls#

`gluonts.mx.kernels._rbf_kernel.RBFKernel` 的别名