paddlets.transform.time_feature
- class TimeFeatureGenerator(feature_cols: Optional[List[str]] = ['year', 'month', 'day', 'weekday', 'hour', 'quarter', 'dayofyear', 'weekofyear', 'is_holiday', 'is_workday'], extend_points: int = 0)[源代码]
-
时间格式数据转换为具体的索引特征
- 参数
feature_cols (str) – 需要提供生成的时间索引特征，可生成的内容：年(year), 月(month), 日(day), 星期(weekday), 小时(hour), 四季(quarter), 当年天数(dayofyear), 当年周数(weekofyear), 节假日(is_holiday), 工作日(is_workday)。默认全部生成。
extend_points (int) – 需要在已存在的target时序数据尾部拼接的额外的时间点。仅当以下2个情况同时满足时，该参数会被用到：第一，未来已知的协变量(known covariates) 为None，并且当前调用的是
predict()方法。 拼接这段额外的时间点的原因是 predict 方法需要获取待预测的未来（future）target时序数据的尾部索引，通常来说该索引可以通过未来已知的协变量（known covariates）计算得到，但是，如果其为None，则未来（future）target的尾部索引需要在当前transform中被手动拼接在存量的target后面，才能在predict()调用中提供未来（future）target的尾部索引的信息。
- 返回
None
- fit(dataset: TSDataset)[源代码]
当前transformer不需要被训练。
- 参数
dataset (TSDataset) – 需要进行拟合的数据
- 返回
TimeFeatureGenerator