gluonts.mx.representation.local_absolute_binning 模块#

类 gluonts.mx.representation.local_absolute_binning.LocalAbsoluteBinning(num_bins: int = 1024, is_quantile: bool =True, *args, **kwargs)[源代码]#

一个表示局部绝对分箱方法的类。这种分箱方法在局部层面为每个时间序列估计一个分箱，因此隐式地起到缩放机制的作用。

参数

num_bins – 我们希望将值映射到的离散箱/桶的数量。(默认值: 1024)

  • is_quantile – 分箱是分位数分箱还是线性分箱。分位数分箱根据累积分布函数分配箱，而线性分箱分配均匀间隔的箱。(默认值: True，即分位数分箱)

  • hybrid_forward(F, data: Union[mxnet.ndarray.ndarray.NDArray, mxnet.symbol.symbol.Symbol], observed_indicator: Union[mxnet.ndarray.ndarray.NDArray, mxnet.symbol.symbol.Symbol], scale: Optional[Union[mxnet.ndarray.ndarray.NDArray, mxnet.symbol.symbol.Symbol]], rep_params: List[Union[mxnet.ndarray.ndarray.NDArray, mxnet.symbol.symbol.Symbol]], **kwargs) → Tuple[Union[mxnet.ndarray.ndarray.NDArray, mxnet.symbol.symbol.Symbol], Union[mxnet.ndarray.ndarray.NDArray, mxnet.symbol.symbol.Symbol], List[Union[mxnet.ndarray.ndarray.NDArray, mxnet.symbol.symbol.Symbol]]][源代码]#

将数据转换为所需的表示形式。

F –

num_bins – 我们希望将值映射到的离散箱/桶的数量。(默认值: 1024)

  • data – 目标数据。

  • observed_indicator – 目标观测指示器。

  • scale – 预计算的尺度。

  • rep_params – 额外的预计算表示参数。

  • **kwargs – 额外的块特定参数。

  • :param : 额外的块特定参数。

返回

包含转换后的数据、计算的尺度以及要传递给 post_transform 的额外参数的元组。

返回类型

Tuple[Tensor, Tensor, List[Tensor]]

post_transform(F, samples: Union[mxnet.ndarray.ndarray.NDArray, mxnet.symbol.symbol.Symbol], scale: Union[mxnet.ndarray.ndarray.NDArray, mxnet.symbol.symbol.Symbol], rep_params: List[Union[mxnet.ndarray.ndarray.NDArray, mxnet.symbol.symbol.Symbol]]) → Union[mxnet.ndarray.ndarray.NDArray, mxnet.symbol.symbol.Symbol][源代码]#

将样本转换回原始表示形式。

samples – 来自分布的样本。

num_bins – 我们希望将值映射到的离散箱/桶的数量。(默认值: 1024)

  • scale – 样本的尺度。

  • rep_params – 后转换过程中使用的额外表示特定参数。

  • 后转换的样本。

包含转换后的数据、计算的尺度以及要传递给 post_transform 的额外参数的元组。

Tensor

Tuple[Tensor, Tensor, List[Tensor]]

下一页
gluonts.mx.representation.mean_scaling 模块
上一页
gluonts.mx.representation.hybrid_representation 模块