mazhaojing

> **您的功能请求是否与当前问题相关？请说明。** > > 从 Darts API 和文档中，我不清楚我有什么选项来处理数据中的分类特征（协变量）。虽然我知道我可以在将数据传递到之前使用scikit-learn的API应用诸如单热编码或序数编码之类的转换，但由Darts处理这将是很好的，因为它是一个如此高级的API。相比之下，[PyTorch-Forecasting](https://pytorch-forecasting.readthedocs.io/en/latest/tutorials/stallion.html)包直接支持类别（字符串）列并为用户处理编码（尽管它仅支持PyTorch DNN模型）。`sklearn.preprocessing``TimeSeries` > > 与此相关的是，PyTorch-Forecasting的模型包括一个模块，该模块将序数编码的分类特征嵌入到（浮点）向量空间中，并带有超参数。这是TFT模型的重要组成部分，似乎在Darts版本中缺失。我看到这里有一个看起来很私人的课程：`TemporalFusionTransformer``MultiEmbedding``embedding_sizes``_MultiEmbedding` > > https://github.com/unit8co/darts/blob/2b071e655c8516f98e8a787c9b843bad38aa0a58/darts/models/forecasting/tft_submodels.py#L59 > > 但它似乎没有在实际的中使用。这种嵌入包括可学习的权重，因此它不能作为预处理步骤完成，它必须是网络的一部分。`TFTModel` > **描述建议的解决方案** 清晰简洁地描述库应提供哪些内容以解决缺少的功能。 > > * 为分类协变量和编码方案添加显式支持、文档和示例。 > * 将模块和适当的参数添加到 PyTorch 模型中。`_MultiEmbedding`...