1回答
我正在尝试使用statsmodels库statsmodel.tsa.statespace.sarimax.SARIMAX从Python语言中的离散时间序列数据识别状态空间模型。 我需要状态空间通用形式(here the statsmodel reference)的矩阵:从statsmodel页面可以解释这些矩阵，但不清楚如何推断它们。 例如，如果我想对识别的模型应用卡尔曼滤波器(通过sarimax)，我需要此图片中描述的矩阵state space matrices needed 是否可以使用statsmodel获得矩阵系数
浏览 61提问于2021-08-24得票数 1
回答已采纳
1回答
我正在使用statsmodel来拟合一个局部线性趋势状态空间模型，该模型继承自sm.tsa.statespace.MLEModel类，使用文档中示例中的代码： https://www.statsmodels.org/dev/examples/notebooks/generated/statespace_local_linear_trend.html 状态空间模型和卡尔曼滤波器应该自然地处理缺少的值，但是当我添加一些空值时，状态空间模型会输出空值。在文档中的另一个示例中，实现SARIMAX似乎丢失的数据似乎是自动处理的： https://www.statsmodels.org/dev/exam
浏览 22提问于2021-09-03得票数 0
回答已采纳
1回答
增量卡尔曼滤波
、、、
请让我知道是否可以使用当前的状态模型SARIMAX代码逐步应用卡尔曼滤波(使它更快)？
这就是我的意思。假设一个SARIMAX模型(#1)使用[iFitBegin, iFitEnd]中的索引数据，然后使用这样的模型对[iFitEnd+1, iDataEnd]中的索引进行数据预测。要做到这一点，在当前代码中，似乎必须使用[iFitBegin, iDataEnd]中的索引数据创建一个新的SARIMAX模型( #2 )，并在模型#2上应用卡尔曼滤波，并从模型#1中提取参数。在此之后，人们可以从模型#2请求预测。然而，如果对流式数据进行预测(对于大型模型)，则计算成本很高(在中，新数据一次到达一个数据
浏览 1提问于2019-04-10得票数 0
在训练了sarimax模型之后，我希望将来能够用新的观测来预编预报，而不必再训练它。然而，我注意到我在新应用的预测中使用的观测数改变了预测。
根据我的理解，只要给出足够的观测量，允许正确地计算自回归和移动平均，该模型甚至不会使用先前的历史观测来通知自己，因为系数没有经过再训练。在一个(3,0,1)的例子中，我认为它至少需要3个观测才能应用其经过训练的系数。然而，情况似乎并非如此，我怀疑我是否正确地理解了这一模式。
作为一个示例和测试，我对相同的数据应用了一个经过训练的sarimax，去掉了最初的几个观察结果，用以下代码测试行数对预测的影响：
import pandas as pd
from s
浏览 4提问于2022-02-23得票数 0
回答已采纳
1回答
我在python中使用ARIMA模型： from statsmodels.tsa.statespace.sarimax import SARIMAX
model = SARIMAX(x, order=(p, d, q),
enforce_stationarity=False,
enforce_invertibility=False).fit(disp=False) 我想要比较一些具有不同参数的模型，并选择一个回归变量较少的模型(选择更简单的模型)。 我应该使用哪些信息标准。我读到
浏览 37提问于2019-04-18得票数 0
回答已采纳
1回答
我正在使用状态模型包中的SARIMAX方法，Python来估计ARIMA模型的系数。下面是我提到的链接：
我有一个问题有关的例子1在上面的链接。
可以看出，ARIMA(1,1,1)的截距系数= 0.0943。但我不明白为什么在下面的过程方程中，它们有截距= 0.1050。
你能告诉我怎么算出这个价值吗？
在哪种情况下，我们应该在我们的模型中包括拦截？
我读过Rob ()对R中常数的解释。R中的常数是否等同于SARIMAX Python中的截距？
提前谢谢你！
浏览 11提问于2020-05-04得票数 0
回答已采纳
我正在建立一个SARIMAX模型。
model = statsmodels.tsa.statespace.sarimax.SARIMAX(endog=y, order=[1,0,1], seasonal_order=[1, 1, 0, 10])
我希望一些参数为0，因为p值大于0，所以我使用了fix_params() { }
model.fix_params({'ma.L1': 0}).sumary()
这就是我得到的结果。'SARIMAX' object has no attribute 'fix_params'
请帮帮我
浏览 6提问于2022-03-04得票数 1
我目前正在编写一个函数来对SARIMAX模型的阶数进行网格搜索：(p，q，d)X(P，Q，D，s)。但是，在进行拟合时，我通常会在statsmodels.tsa.SARIMAX()上使用默认设置得到以下类型的错误：
ValueError: Non-stationary starting autoregressive parameters found with `enforce_stationarity` set to True.
或
ValueError: non-invertible starting MA parameters found with `enforce_invertibili
浏览 9提问于2016-10-10得票数 4
我用以下代码在python中实现了一个自动SARIMA模型：
import pmdarima as pm
smodel = pm.auto_arima(df, start_p=1, start_q=1,
test='adf',
max_p=3, max_q=3, m=12,
start_P=0, seasonal=True,
d=1, D=1, trace=True,
浏览 2提问于2021-07-28得票数 0
我试图预测一家公司的股价，数据是非平稳的。
我遵循的步骤-
分析原始数据
使用ADF和KPSS确定原始时间序列数据是否平稳。
应用第一差分和季节差分使数据平稳
用静态数据绘制ACF、PACF图确定MA和AR滞后
我的问题是，我是否应该将原始数据(非平稳数据，从第一步)传递到像SARIMA、ARIMA和SARIMAX这样的时间序列模型，并使用平稳数据(步骤3)来确定模型的MA和AR滞后系数。
或
我应该将平稳数据(第3步)传递给SARIMA、ARIMA、SARIMAX等时间序列模型，并使用MA和AR滞后系数作为模型。然后，为了确定预测的原始时间序列，我应该撤销我在步骤3中所做的所有转换，以使时间
浏览 0提问于2023-05-08得票数 0
回答已采纳
如何从arima模型sarimax函数计算标准化残差？
假设我们有一些基本模型：
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
sns.set(style='ticks', context='poster')
from statsmodels.tsa.statespace.sarimax import SARIMAX
from statsmodels.tsa.seasonal import seasonal_decompos
浏览 154提问于2019-11-02得票数 0
我使用statsmodels.tsa.SARIMAX()来训练带有外生变量的模型。当使用外生变量训练模型时，是否存在等效的get_prediction()，以便返回的对象包含预测的均值和置信区间，而不仅仅是一组预测的平均结果？预测()和预测()方法采用外生变量，但只返回预测的平均值。
SARIMA_model = sm.tsa.SARIMAX(endog=y_train.astype('float64'),
exog=ExogenousFeature_train.values.astype('float64')
浏览 6提问于2016-09-26得票数 10
我已经运行了这个程序，并期望看到如下内容: SARIMAX (#，#，#) x(#，#)
auto_arima(df['total'],seasonal=True,m=7).summary()
但我得到了这个：
SARIMAX(1, 0, [1], 7)
我如何解释这一点，这样当我来构建我的模型时，我可以使用正确的参数？
非常感谢
浏览 11提问于2021-03-08得票数 1
我可以在状态模型中使用HC和HAC，而不存在OLS框架中的问题。有人能告诉我如何在SARIMAX框架中使用它吗？
import statsmodels.api as sm
res_ols = sm.OLS(y, X).fit(cov_type='HC3')
Coef. Std.Err. z P>|z| [0.025 0.975]
---------------------------------------------------------------------
Intercept -0.0001
浏览 1提问于2021-01-16得票数 0
回答已采纳
我有一系列熊猫的ts数字，我想预测它的未来(下一个600点)。pandas系列只是通过序列号来索引，而不是通过日期或时间。
以下是ts的示例内容
0 1
0 -0.801552 1.0
1 -0.997606 2.0
2 -3.659062 3.0
3 -1.193043 4.0
4 -2.858001 5.0
当我跑的时候
statsmodels.tsa.statespace.SARIMAX
对于这个系列，我得到了以下异常错误：
ValueError('Given a pandas object and the in
浏览 0提问于2018-04-12得票数 0
是否有一个函数或库(如auto_arima )可用于计算SARIMAX模型中用于Seasional_order(P、d、Q、M)中的P、D、Q和M值的顺序(p、D、q)。
谢谢,
浏览 20提问于2022-04-04得票数 0
回答已采纳
2回答
我试图根据一个6年的数据集1/1/2014==> 1/1/2020来预测需求。首先，我尝试按月对需求进行重新分组，因此最终得到了一个包含2列( month和sales)和72行(12个月*6年)的数据集。附言:我正在使用python。
我的第一个问题是:在知道我只有72行的事实的情况下，获得明年( 2020)的预测是否足够。
我的第二个问题是，有没有任何模型可以建议我使用，这将给我一个很好的准确性？
我尝试过使用arima模型结合季节性( sarimax)和LSTM，虽然它不起作用，但我不确定我是否做得对。
我的第三个问题是: python中有没有可以告诉你是否有季节性的测试？
浏览 1提问于2020-02-12得票数 1
1回答
假设我使用来自statsmodels.tsa.statespace.sarimax的SARIMAX对数据集dataset1上的一个模型进行拟合-是否可以使用此拟合对另一个数据集dataset2进行预测 也就是说，请考虑以下几点： from statsmodels.tsa.statespace.sarimax import SARIMAX
import pandas as pd
import numpy as np
# generate example data
n=90
idx = pd.PeriodIndex(pd.date_range(start = '2015-01-02&#
浏览 33提问于2021-08-20得票数 0
回答已采纳
1回答
我使用python中的statsmodel库创建了一个timeseries SARIMAX模型。
目前，我们正在执行以下工作：
训练模型对未来的一步进行预测，并使用内置的状态模型功能，为这一过程产生一个置信区间，这个过程每天用于预测第二天。
我们的总体目标是每周只对模型进行一次培训。这意味着，我们希望从模型培训之日起进行超过一步的预测。由于我们将进行每个预测，在收集了前一天的实际数据之后，我们希望使用SARIMAX中的参数来生成预测。这个步骤非常简单，您只需要使用系数并将它们乘以滞后组件的第一级差。
然而，我正在努力重新建立我的预测的置信区间，是否有人对统计模型用来创建这些数据的数学或我应该使
浏览 4提问于2021-05-18得票数 0
回答已采纳
我正在尝试使用Python中的SARIMAX (带有SARIMA错误的回归)构建一个预测模型，并需要一些关于外生变量如何在外生参数中处理的指导。
默认参数是：
SARIMAX(endog, exog=None, order=(1, 0, 0), seasonal_order=(0, 0, 0, 0), trend=None, measurement_error=False,
time_varying_regression=False, mle_regression=True, simple_differencing=False, enforce_stationarity=True,
enfo
浏览 20提问于2021-04-05得票数 0
1回答
我正在用SARIMAX模型做时间序列预测。我为编程而运行的代码是 import statsmodels.api as sm
fit1 = sm.tsa.statespace.SARIMAX( train_original.Count, order=(2, 1, 4),seasonal_order=(0,1,1,7)).fit() ? 我是如何清除错误的，请帮忙，谢谢
浏览 15提问于2021-07-08得票数 0
我利用一些外部变量，将statsmodels模型应用到我的数据中。 如何提取外生变量的拟合回归参数？每个文档都清楚如何获得AR，MA系数，但没有关于exog系数的说明。有什么建议吗？ 下面是代码片段： #imports
import pandas as pd
from statsmodels.tsa.statespace.sarimax import SARIMAX
#X and Y variables, index as dates, X has several columns with exog variables
X = df[factors]
Y = df[target]
#let
浏览 51提问于2020-04-23得票数 1
回答已采纳
当我做时间序列时，我想问一下我通常使用的是R，但我现在正在试用python。
在做Arima模型时，我使用ARIMA函数，但也可以对Arima模型使用SARIMAX函数吗？
当我做SARIMAX命令= (2, 0, 4) (非季节性参数)时，当我执行ARIMA命令= (2, 0, 4) 时
输出是不一样的，即使你的模式应该是一样的？
我遗漏了什么？
浏览 0提问于2019-06-29得票数 1
我按照教程学习了SARIMAX模型：。数据的日期范围为1958-2001年。
mod = sm.tsa.statespace.SARIMAX(y,
order=(1, 1, 1),
seasonal_order=(1, 1, 1, 12),
enforce_stationarity=False,
enforce_invertibility=F
浏览 2提问于2017-05-29得票数 10
回答已采纳
1回答
我有每月销售的数据，但几个月的信息不在CSV文件或数据文件中。我是否可以从目前的记录中预测或填写该月份的其他计算值？
📷
我正在使用的代码的一部分：
AIC = []
SARIMAX_model = []
for param in pdq:
for param_seasonal in seasonal_pdq:
try:
mod = sm.tsa.statespace.SARIMAX(train_data,
order=param,
浏览 0提问于2019-03-22得票数 2
我正在使用Statsmodels库在Python中构建一个时间序列模型。
当我使用带有外生回归子的SARIMAX模型时，我似乎得到了错误的结果。(在没有外部回归者的情况下，预测方法似乎工作得很好。)
以下是问题的全部再现：
import numpy as np
import pandas as pd
from statsmodels.tsa.statespace.sarimax import SARIMAX, SARIMAXResults
history = np.array([95818, 126537, 102856, 161188, 150539, 165138, 146603, 15
浏览 7提问于2021-06-18得票数 0
回答已采纳
我为sarimax (和一般的时间序列)网格搜索构建了一个Python解决方案。
这是蟒蛇类。
在准备培训和测试集之后，类将它们存储为对象属性。
稍后，类构建一个列表，在每个项中包含状态模型sarimax的一组参数。
然后，将这些项中的每一项传递给类sarimax方法，以拟合模型。每个模型存储在列表中，以便根据用户选择的评分方法进行以后的选择。
在类中构建的sarimax方法通过对象属性(self.df_train)访问训练集。
为了并行地训练每一组参数，我调用spark如下所示：
spark = SparkSession.builder.getOrCreate()
sca = spark.s
浏览 1提问于2019-11-25得票数 1
我正在尝试使用SARIMAX预测季节性时间序列。时间序列由PV馈入的日最大值组成，这导致了假设365天的周期性。
下面是我的代码：
mod= SARIMAX(realy.Max, order=(0,1,1), seasonal_order=(0,1,1,365))
results_SARIMAX = mod.fit(disp= -1)
由于我的周期性，我将seasonal_order中的%s设置为365。我还根据一些预先考虑的因素设置了变量p，d，q，分别为P，D，q。我的问题是，在执行代码后，会出现以下错误：
ValueError: maxlag should be < nobs
当我
浏览 9提问于2017-03-10得票数 5
回答已采纳
1回答
我试图沿着SARIMAX模型的预测值绘制置信区间带。
SARIMAX模型采用以下方法进行拟合：
model=sm.tsa.statespace.SARIMAX(data_df['Net Sales'],order=(1, 1, 1),seasonal_order=(1,1,1,12))
results=model.fit()
print(results.summary())
要绘制预测值，我将使用以下代码：
fig, ax = plt.subplots(figsize=(15,5))
ax.ticklabel_format(useOffset=False, style='
浏览 31提问于2022-06-29得票数 1
回答已采纳
我正在拟合一个具有线性趋势的ARMA模型到一个序列，我想访问优化后的参数进行一些测试。看起来我可以通过属性params访问参数，但它只是一个包含所有参数的数组。有没有更方便的方法来访问参数(例如字典)？
import numpy
from statsmodels.tsa.statespace.sarimax import SARIMAX
N_TRAIN = 100
train_data = numpy.random.randn(N_TRAIN)
model = SARIMAX(
endog=train_data,
order=(2, 0, 2),
浏览 2提问于2019-07-17得票数 1
回答已采纳
1回答
我正在尝试适应一个SARIMAX模型，但不断得到一个错误，它是不可调用的。我的代码是：
import statsmodels as sm
mod = sm.tsa.statespace.sarimax(vol_p_1d,trend='n',order=(1,0,1),seasonal_order=(1,1,1,12))
错误消息为：
TypeError: 'module' object is not callable
你知道我做错了什么吗？谢谢!
浏览 0提问于2017-07-18得票数 0
从statsmodels.tsa.statespace.sarimax导入SARIMAX从数学导入sqrt从sklearn.metrics导入mean_absolute_error，从多处理导入池mean_squared_error从tool.utils导入应用工具 我已经下载了工具，工具鼠标仍然显示ModuleNotFoundError:没有名为'tool‘的模块
浏览 16提问于2021-04-16得票数 0
我建立了一个时间序列模型，对具有年度季节性的作物科学数据进行月度观测(2012至2018年的月度观测值)。购买植保产品的农民还取决于降雨时间。同样的产品在11月份、12月份和1月份也有高峰。
我已经构建了一个SARIMA模型(没有协变量)和SARIMAX模型(有协变量)。协变量为平均降雨量、累计降雨量、平均温度、最低温度、最高温度、平均湿度等
这里的主要问题是，我的SARIMAX模型应该比SARIMA模型提供更好的精度，因为我们有协变量帮助模型更好地预测。我的假设正确吗？
目前，SARIMA在这里给了我更好的准确性。
浏览 1提问于2019-12-19得票数 0
1回答
SARIMAX模型样本外预测
、、、、
我正在用python开发SARIMAX模型来预测股票市场。我将数据分为训练数据和测试数据。在训练数据上拟合模型后，我的目标是预测测试数据(一步预测)
当我将exog添加到模型中时，它会返回非常准确的结果，但是，当我在没有exog的情况下拟合模型时，我得到了一条直线。我抛出了一些类似的问题，但我无法解决这个问题。这是我的代码：
拟合模型
`mod1 = sm.tsa.statespace.SARIMAX(endog= ptrain,
exog = ftrain,
order=(1, 1
浏览 2提问于2017-05-24得票数 2
1回答
我是一个错误，当使用SARIMA模型的能源消耗项目。下面是代码和错误。如果有人有任何解决方案或建议，我们将不胜感激。
代码：
from statsmodels.tsa.statespace import sarimax
from statsmodels.graphics.tsaplots import plot_acf, plot_pacf
data = pd.read_csv("C:\\Users\\Jaswal\\Desktop\\Analytics Vidhya\\Assignments\\energy consumption.csv", index_col=None)
浏览 14提问于2021-12-22得票数 4
我使用SARIMAX估计了ARIMA模型，并进行了预测。然而，我试图重复这一预测，但没有得到相同的结果。我估计的模型是一个没有季节性的ARIMA(1,0,1)模型，有一个外部回归变量。
我认为预测未来一段时间的公式(使用估计系数)是：
y_(t+1)= y(t)*phi_1 + e_t*theta_1 + x_t * beta_1
其中phi_1是AR(1)系数，theta_1是MA(1)系数，beta_1是外部回归量的系数。y_t是因变量，x_t是外部变量回归变量。e_t是时间t处的误差项。
我没有使用正确的公式吗？SARIMAX使用哪个公式？
阅读用户指南，在Google上搜索
浏览 2提问于2019-07-28得票数 0
1回答
我“继承”了这段代码，我不熟悉SARIMAX模型。这些评论有助于理解正在发生的事情，但我不理解预测的最后一行。
数据集共有1171行，分为1000行训练行和171行测试行。这意味着：
Model.predict(1000, 1170, exog=exo_test, typ='levels')
我查看了预测()的文档。当第一个参数是endog参数时，第二个参数应该是外挂参数。但是当exog=exog_test的时候，1170应该是什么意思呢？此外，文档没有提到'typ‘参数。
我不明白的是：
，这是一个单步预测吗？这意味着它接受真值，预测下一步，然后放弃预测，及时获取下
浏览 19提问于2022-03-08得票数 0
回答已采纳
我目前正在做一个项目，我不太确定如何最好地实现下一步，所以我希望得到建议和反馈。
在我的数据中，某个日期可能会发生几次，因为我通过邮政编码预测销售额。的背景是，我想要添加天气到邮政编码。检验不同的天气参数是否能更好地预测my模型(SARIMA/SARIMAX)。之后，我希望在表中有一个输出，在该表中存储预测的RMSE。如果auto_arima为此选择了参数，那也是很好的。
然后，我会比较SARIMA和SARIMAX之间的数据，这样我就可以通过外部数据检查预测中有多少%变得更好了。
目前，数据在一个有60多个邮政编码的表格中。有没有人有一个想法或函数，我可以用来创建多个模型(每个压缩代码与选定的
浏览 13提问于2022-01-19得票数 0
我目前正在尝试用每周的季节性来预测每小时的值。在SARIMAX模型中，这意味着我必须设置m= 168 (一天24小时，一周7天，-> 24*7)。
我的模型是这样的：
model = SARIMAX(df['IdCount'],order=(4,1,3),seasonal_order=(2,2,1,168))
results = model.fit()
我认为由于m=168相对较大，因此需要很长时间才能适应模型。当在本地执行此操作时，内核死了。
因此，我选择在SageMaker中尝试它，并且我目前正在使用ml.t2.mediate实例。为了快速执行此任务，并且不会出现任何
浏览 21提问于2021-02-17得票数 0
我的Dataframe(火车)看起来像这样
total_mtrs total_mtrs_2
trx_date
2013-07-01 3449701.0 -1.362983
2013-08-01 3172872.0 -1.585093
2013-09-01 3137336.0 -1.613605
2013-10-01 3108550.0 -1.636701
2013-11-01 2981503.0 -1.738636
... ... ...
2020-06-01 4393613.0 -0.605648
2020-07
浏览 242提问于2022-09-20得票数 0
我已经训练了一个ARMA模型，现在我正试图在不重新训练模型的情况下对验证数据进行预测。每次我进行预测时，我都希望将前一个目标添加到模型中，以便进行下一个预测。我尝试使用方法append，但得到了一个AttributeError，尽管该方法在中列出。
import numpy
import pandas
from statsmodels.tsa.statespace.sarimax import SARIMAX
N_TRAIN = 100
train_data = pandas.Series(0.05 + numpy.random.randn(N_TRAIN)*0.01)
valid_dat
浏览 55提问于2019-07-18得票数 0
回答已采纳
1回答
我正尝试在python上使用这个函数来模拟我已经构建的SARIMAX模型，statsmodels.tsa.statespace.sarimax.SARIMAX.simulate目的是使用该模型进行蒙特卡洛模拟 当我尝试使用已有的数据将initial_state放在函数上时，就会出现问题 我已经尝试不使用initial_state，模拟的结果似乎很好，但初始点并不是我所期望的。当我尝试放置一个initial_state时，模拟结果呈指数增长。 我使用的是2017- 2019年的日降水量数据 #Define the test model using another set of data, bu
浏览 30提问于2019-04-11得票数 0
1回答
我(在我的机器上)对时间序列分析的所有可能的参数组合运行了一个冗长的测试。我能否以某种方式保存该对象以供以后在我的计算机上使用，或导出以供同事使用？ 我有一个最佳模型结果的屏幕截图，我可以在以后重新输入，但我想尝试并保存实际的best_model对象。 我正在使用Jupyter Notebook和Python。 print(type(best_model))
print(best_model)
<class 'statsmodels.tsa.statespace.sarimax.SARIMAXResultsWrapper'>
<statsmodels.ts
浏览 58提问于2020-07-21得票数 0
我试图预测具有外生变量的时间序列，并且已经成功地使用SARIMAX模型进行预测，我也尝试使用RNN模型(特别是LSTM模型)做同样的事情，但无法找到任何方法来实现外生变量(我有完整的历史记录)，但是这个变量会影响时间序列，因此需要考虑在内。非常感谢您的帮助谢谢
浏览 3提问于2020-06-12得票数 3
我正在尝试使用statsmodels.statespace.sarimax.SARIMA类创建一个季节性ARIMA模型，该模型似乎创建得很好。
现在，我想将AR系数和MA系数分别传递给变量，但出现错误：SARIMAXResults对象没有属性_params_ma。
我应该怎么做才能纠正这个错误？
浏览 24提问于2018-10-31得票数 2
我想知道ARIMA模型的顺序(p，d，q)，所以我必须使用 python包。但是它推荐我SARIMAX模型！继续阅读，了解更多细节。
为此，我使用了数据。这是一个平稳的时间序列。
# importing packages
import pandas as pd
from pmdarima import auto_arima
import warnings
warnings.filterwarnings('ignore')
# read csv file
df = pd.read_csv('/Data/DailyTotalFemaleBirths.csv' ,
浏览 4提问于2021-10-11得票数 1
回答已采纳
我想使用auto.arima，但使用Python。我该怎么做？
我需要一个特定的函数auto.arima，它可以通过运行多个ARIMA模型来实现预测过程的自动化。因此，它并不是一个真正的库建议，而是一个可以由现有的状态模型来解决的问题(之前的问题在两年中没有改进)，所以我冒着这个风险问了这个问题。
参考
早先的一个问题是在上提出的
R中的auto.arima()函数使用Hyndman和Khandakar算法的一个变体，它结合了单元根测试、AICc和MLE的最小化来获得ARIMA模型。该算法遵循以下步骤。用于ARIMA自动建模的Hyndman-Khandakar算法
The number of
浏览 2提问于2016-12-24得票数 1
回答已采纳
3回答
我如何将一串元组拆分成一个列表？
例如，我有这个SARIMAX(0, 1, 1)x(0, 1, 1, 12)字符串，我想把它转换成一个元组列表到这个['(0, 1, 1)', '(0, 1, 1, 12)']中。
这是我的密码：
sarimax_res = 'SARIMAX(0, 1, 1)x(0, 1, 1, 12)'
sarimax_res = sarimax_res.replace('SARIMAX', '').replace('x', '')
我的产出：
'(0, 1
浏览 2提问于2022-09-01得票数 -1
回答已采纳
我正在按百分比建立ARIMA/Sarima模型，但得到的误差为1- model = SARIMAX(np.asarray(train), order = (0, 1, 1), seasonal_order =(1, 1, 1, 12))
TypeError: ufunc 'isnan' not supported for the input types, and the inputs could not be safely coerced to any supported types according to the casting rule ''safe
浏览 11提问于2022-01-04得票数 0
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
腾讯会议
实时音视频活动推荐
腾讯云开发者
