gluonts.torch.model.forecast 模块#

class gluonts.torch.model.forecast.DistributionForecast(distribution: torch.distributions.distribution.Distribution, start_date: pandas._libs.tslibs.period.Period, item_id: Optional[str] = None, info: Optional[Dict] = None)[source]#

基类: gluonts.model.forecast.Forecast

一个直接使用分布的 Forecast 对象。

例如，这可用于表示每个时间点的边际概率分布——尽管联合分布也是可能的，例如在使用 MultiVariateGaussian 时。

参数

  • distribution – 分布对象。这应该代表整个预测长度，即，如果我们从分布中抽取 num_samples 个样本，样本形状应为

    samples = trans_dist.sample(num_samples) samples.shape -> (num_samples, prediction_length)

    start_date (pandas._libs.tslibs.period.Period) – 预测的起始日期

  • item_id (Optional[str]) – 项目 ID

  • info (Optional[Dict]) – 预测器可能提供的附加信息，例如估计参数、运行的迭代次数等。

info: Optional[Dict]#
item_id: Optional[str]#
property mean: numpy.ndarray#

预测均值。

property mean_ts: pandas.core.series.Series#

预测均值，作为 pandas.Series 对象。

prediction_length: int#
quantile(level: Union[float, str]) → numpy.ndarray[source]#

从预测分布计算分位数。

参数

q – 要计算的分位数。

返回

预测范围内的分位数值。

返回类型

numpy.ndarray

start_date: pandas._libs.tslibs.period.Period#
to_sample_forecast(num_samples: int = 200) → gluonts.model.forecast.SampleForecast[source]#