主页
快速入门
用户指南
API 参考
示例
发行说明
GitHub
Twitter
异常检测
异常聚合器
AND 聚合器
集成 scikit-learn 聚合器
OR 聚合器
异常模型
滤波异常模型
预测异常模型
异常检测器
四分位距 (IQR) 检测器
分位数检测器
阈值检测器
异常评分器
差值评分器
k-means 评分器
NLL Cauchy 评分器
NLL 指数分布评分器
NLL Gamma 评分器
NLL 高斯分布评分器
NLL Laplace 评分器
NLL 泊松分布评分器
范数评分器
PyOD 评分器
Wasserstein 评分器
异常检测工具类
数据处理
动态时间规整 (DTW)
动态时间规整 (DTW)
DTW 窗口
时间轴编码器
编码器基类
时间轴编码器
数据转换器
数据转换器基类
Box-Cox 转换器
差分转换器
可拟合数据转换器基类
可逆数据转换器基类
映射器和可逆映射器
混合数据采样 (MIDAS) 转换器
缺失值填充器
层级一致性调整
缩放器
静态协变量转换器
窗口转换器
管道
数据集
可解释性
可解释性结果
用于回归模型的 Shap 解释器
用于时间融合转换器 (TFTModel) 的 TFT 解释器
评估指标
评估指标
模型
滤波模型
高斯过程
卡尔曼滤波
移动平均
预测模型
ARIMA
基准模型
分块循环神经网络
CatBoost 模型
保形模型
D-Linear
指数平滑
快速傅里叶变换
全局基准模型 (朴素)
卡尔曼滤波预测器
LightGBM 模型
线性回归模型
N-BEATS
N-HiTS
N-Linear
Facebook Prophet
随机森林
回归集成模型
回归模型
循环神经网络
AutoARIMA
AutoCES
AutoETS
AutoMFLES
AutoTBATS
AutoTheta
Croston 方法
StatsForecast 模型
TBATS
时态卷积网络
时间融合转换器 (TFT)
Theta 方法
时间序列密集编码器 (TiDE)
Transformer 模型
时间序列混合器 (TSMixer)
VARIMA
XGBoost 模型
工具类
时间序列数据集
基于预测期的训练数据集
推理数据集
序列训练数据集
偏移训练数据集
训练数据集基类
似然模型
回归模型的似然函数
StatsForecast 模型的似然函数
Torch 预测模型的似然函数
PyTorch 损失函数
填充缺失值的工具类
模型选择工具
时间序列统计
生成时间序列的工具类
PyTorch 及其使用工具类
其他工具函数
其他工具函数
时间序列
本页目录
预测模型解释器基类
一个
_ForecastingModelExplainer
以一个已拟合的预测模型作为输入,并为其生成解释。
上一页
可解释性
下一页
可解释性结果