Transformer
TopdownReconciler
Inverse TransformationReihen ungleicher Länge
Apply Topdown hierarchical reconciliation.
Forecast proportions keep the original series during transform, and propagate the “proportions” of each forecast with respect to its total during inverse_transform.
Topdown share, on the other hand, transforms the series to share the forecast with respect to their parent, and then uses the total forecast to multiply the shares.
For more information, see “Single level approaches” in [1].
Schnellstart
python
from sktime.transformations.hierarchical.reconcile import TopdownReconciler
estimator = TopdownReconciler(method='td_fcst')Tags
Fähigkeiten
- Inverse Transformation: Unterstützt
- Reihen ungleicher Länge
- Multivariat: Nicht unterstützt
- Fehlende Werte: Nicht unterstützt
- Entfernt fehlende Werte: Nicht unterstützt
- Gleicht Reihenlängen an: Nicht unterstützt
Eigenschaften
- Eingabetypscitype:transform-input
- Series
- Ausgabetypscitype:transform-output
- Series
- Label-Typscitype:transform-labels
- None
- Fit ist leerfit_is_empty
- Nein
- Behält den Zeitindextransform-returns-same-time-index
- Nein
- Benötigt Xrequires_X
- Ja
- Benötigt yrequires_y
- Nein
- X und y brauchen denselben IndexX-y-must-have-same-index
- Nein
Parameter(1)
- methodstr, default=”td_fcst”
- The method to use for reconciliation. - td_fcst: Forecast Proportions. - td_share: Topdown Share.
Beispiele
>>> from sktime.transformations.hierarchical.reconcile import (
... TopdownReconciler)
>>> from sktime.utils._testing.hierarchical import _make_hierarchical
>>> from sktime.forecasting.naive import NaiveForecaster
>>> y = _make_hierarchical ()
>>> pipe = TopdownReconciler () * NaiveForecaster ()
>>> pipe = pipe. fit (y)
>>> y_pred = pipe. predict (fh = [1, 2, 3 ])Referenzen
[1]
Hyndman, R. J., & Athanasopoulos, G. (2018). Forecasting: principles and practice. OTexts.