问题标签 [sktime]
For questions regarding programming in ECMAScript (JavaScript/JS) and its various dialects/implementations (excluding ActionScript). Note JavaScript is NOT the same as Java! Please include all relevant tags on your question; e.g., [node.js], [jquery], [json], [reactjs], [angular], [ember.js], [vue.js], [typescript], [svelte], etc.
python-3.x - sktime 错误无法从“sklearn.utils.fixes”导入名称“_take_along_axis”
当我尝试使用 sktime 文档中的示例时出现此错误。
MWE
我得到的错误是这样的：
有关如何处理此错误的任何想法？
我尝试卸载然后再次安装 sklean 和 scikit-learn 但没有工作。
sktime - 时间不支持
<class 'pandas.core.indexes.base.Index'> 不支持，使用 (<class 'pandas.core.indexes.numeric.Int64Index'>, <class 'pandas.core.indexes.range.RangeIndex' >, <class 'pandas.core.indexes.period.PeriodIndex'>, <class 'pandas.core.indexes.datetimes.DatetimeIndex'>) 代替。
这意味着什么？我只是试图运行一系列以日期为指数的股票价格
python - sktime 理解数据格式和错误信息
我正在尝试对时间序列数据进行分类，并遇到了 sktime，它提供了许多可用于对时间序列进行分类的算法。
但是，我只设法让 RandomIntervalSpectralForest 运行。所有其他算法都给我以下错误：
我首先尝试运行的代码采用普通 csv 并将其转换为 pandas 数据框，其中行用于观察，列作为时间点。然后我正在使用 sktime 的实用程序函数将此数据帧转换为 sktime 可以使用并嵌套的数据帧：
X_sk = from_2d_array_to_nested(X)
如果我现在正在运行：
我收到上述错误。然而，RandomIntervalSpectralForest 使用完全相同的数据集运行。我已经将https://www.sktime.org/en/stable/api_reference/auto_generated/sktime.classification.hybrid.HIVECOTEV1.html上给出的示例代码和数据集与我的数据集进行了比较，找不到任何区别。示例代码为我运行，但我不知道为什么我的代码不运行。
我正在尝试使用另一个数据集重新创建问题，并在我有一个工作示例后编辑该帖子。
python - 如何知道从哪个输入间隔计算 sktime 的 TimeSeriesForestClassifier 中使用的特征
我使用了 sktime 库的 TimeSeriesForestClassifier 类来执行多元时间序列分类。
代码如下
我想检查feature_importances_的值，它与输入的长度不同，而是一个与特征数长度相同的数组。
我想知道每个重要性对应于输入的哪一部分。有什么方法可以获取有关 TimeSeriesForestClassifier 计算特征的输入部分的信息？
python - ModuleNotFoundError：没有名为“sktime.transformers”的模块
我尝试导入
当我运行它时，我遇到了这个错误---
sktime - 可以在 sktime 中同时使用未来和过去的协变量吗？
希望利用过去（观察到的变量）和未来协变量（在对该范围进行预测之前可用的预测）。例子：
- 过去：观察到的温度：可以使用滞后数据作为模型的输入（即第 N-1 天的温度来预测第 N 天的销售额）
- 未来：预测之前已知的预测（即可能是我们有 N 天的天气预报）
| 日期 | 预测可用 | 观察到的温度 | 温度预测 | 销售量 |
|---|---|---|---|---|
| 2021-01-01 | 2020-12-31 | 35 | 37 | 100 |
| 2021-01-02 | 2020-01-01 | 28 | 31 | 120 |
sktime 抽象了滞后变量等的创建，所以有什么方法可以区分这两种协变量吗？
python - Sktime 多元时间序列插补
在我第一次使用 Sktime 库时，我很难理解如何使用 impute 类来消除具有多元时间序列的缺失值。在下图中，我的数据在 Dataframe 中。
然后我用这个代码进行插补。
其中 X_nested 是我的数据。我有这个错误：
decision-tree - 决策树的网格搜索 CV 无效参数错误
我一直在尝试在决策树的情况下进行网格搜索 CV。我收到以下错误。
ValueError：估计器 RecursiveTabularRegressionForecaster 的参数 min_samples_split 无效（estimator=DecisionTreeRegressor()）。使用 来检查可用参数列表estimator.get_params().keys()。
我也试过 'estimator.get_params().keys()' 这个函数。我认为它与参数匹配。
dict_keys（['ccp_alpha'，'criterion'，'max_depth'，'max_features'，'max_leaf_nodes'，'min_impurity_decrease'，'min_impurity_split'，'min_samples_leaf'，'min_samples_split'，'min_weight_fraction_leaf'，'random_state'，'splitter' ])