用动态ARIMA预测未来
动态ARIMA（AutoRegressive Integrated Moving Average）是一种时间序列预测模型，它结合了自回归模型（AR）和滑动平均模型（MA）以及差分操作（I），用于对未来的趋势进行预测。动态ARIMA模型能够捕捉时间序列数据中的长期趋势、季节性变化以及随机波动。
动态ARIMA模型可以用于许多领域的预测和分析，如经济学、金融学、天气预报、销售预测等。它可以帮助分析人员理解过去的数据模式，并基于这些模式预测未来的趋势。在实际应用中，动态ARIMA模型可以用来预测销售额、股票价格、货币汇率、天气变化等。
腾讯云提供了一些相关的产品和服务，可以帮助开发者应用动态ARIMA模型进行预测分析：
- 腾讯云机器学习平台（ML平台）：提供了机器学习模型的训练和部署环境，可以使用其中的时间序列预测算法来构建动态ARIMA模型。具体可参考腾讯云ML平台的介绍：腾讯云ML平台
- 腾讯云云服务器（CVM）：提供了稳定可靠的云服务器，可以用于部署和运行动态ARIMA模型。开发者可以选择适合自己需求的服务器配置，并进行相关的运维工作。具体可参考腾讯云CVM的介绍：腾讯云CVM
需要注意的是，动态ARIMA模型的预测结果并非绝对准确，可能存在一定的误差。在应用中需要根据具体情况进行调整和优化。另外，动态ARIMA模型的参数选择和模型诊断也需要一定的经验和专业知识。
以上是关于动态ARIMA预测未来的基本概念、优势、应用场景以及腾讯云相关产品的介绍。希望能对您有所帮助。
相关·内容
1回答
我有一个427天的温度数据集(每日温度数据)，我正在训练ARIMA模型360天，并试图预测其余的67天数据和比较结果。在测试数据中拟合模型时，我只是得到了一条直线作为预测，我是不是做错了什么？
from statsmodels.tsa.arima.model import ARIMA
model = ARIMA(train['max'],order=(1,1,2),)
results = model.fit()
results.summary()
start = len(train)
end = len(train) + len(test) -1
predictions= pd
浏览 21提问于2022-02-26得票数 1
回答已采纳
对于ARIMA模型，对BigQuery的ML.FORECAST的默认调用是：
ML.FORECAST(MODEL model_name,
[, STRUCT<horizon INT64, confidence_level FLOAT64> settings])
举个例子
SELECT
*
FROM
ML.FORECAST(MODEL `mydataset.mymodel`,
STRUCT(30 AS horizon, 0.8 AS confidence_level))
但是我想用历史数据来测试我的模型，这样我就可以看到我的模
浏览 8提问于2020-07-22得票数 1
回答已采纳
当我在函数中添加外生变量时，单变量ARIMA模型会变成多变量吗？我用函数xreg在r中这样做。
例如：fitwithtwoexfactors = arima(futoilrtn,order=c(0,0,1), xreg=exogenous)
外生是一个有两列的数据框架。
浏览 0提问于2015-03-12得票数 1
回答已采纳
1回答
我正在建立一个时间序列模型。
但是，我很难理解simulate函数和forecast包中的forecast函数之间的区别。
假设我建立了一个arima模型，并希望用它来模拟长达10年的未来值。数据是每小时一次，我们有一年的数据。
当使用forecast来预测下一个1000步的估计时，我得到了下面的图.
使用预测方法的
然后，我使用simulate函数来模拟接下来的1000个模拟值，并得到了下面的图。
使用模拟方法的
红线后的数据点是模拟数据点。
在后一个例子中，我使用了以下代码来模拟未来的值。
simulate(arima1, nsim=1000, future=TRUE,
浏览 1提问于2016-12-02得票数 4
我一直在改变AR和MA系数，但仍然是same..so，这是我的代码： model = ARIMA(df, order =(4,0,4))
results_ARIMA = model.fit(disp=0)
print(results_ARIMA.summary())
n = 520
result = results_ARIMA.forecast(steps=n+1)[0]
result.head() array([ 41.95623053, 41.98185411, 41.89815634, 41.94481325,
41.87636322, 41.89761647,
浏览 366提问于2019-12-12得票数 1
信号看起来是这样的
使用绘图(output.diff())获得的差分信号看起来如下
其次，通过对ACF和PACF的分析，得到了ARIMA模型的参数。
该模型的拟合方式如下：
模型= ARIMA(output.values，order=(2，1))
model_fit = model.fit(disp=0)
当我用
model_fit.plot_predict(dynamic=False)
plt.show()
太完美了！
但是当我使用plt.plot(model_fit.predict(dynamic=False))时
它给出了差分信号的预测。
浏览 3提问于2020-10-13得票数 0
回答已采纳
1回答
嗨，
我正在用Python做一个arima模型。
我有一个MasterDate，AREA和QTY的数据集。
在代码的开始，我过滤我的excel文件通过过滤区域和删除列GRPCODE。
我创造了一个训练和一个有效的集合。
培训集为01-12-2020 (及返校)
我的有效标准是01-11-2020和更远。
X_train =df2[df2 2‘MasterDate’<= '01-12-2020'].groupby(by='MasterDate').sum() X_train.reset_index(inplace = True) X_valid =df2[
浏览 1提问于2021-11-02得票数 0
1回答
我正在尝试使用分组数据同时对几个t进行回归(具有arima误差的回归)的ARIMA预测。 我对整齐的数据不熟悉，所以...基本上，我用一个多变量ts和多变量模型重现了这个例子(https://cran.rstudio.com/web/packages/sweep/vignettes/SW01_Forecasting_Time_Series_Groups.html)。 下面是一个可重复使用的示例： library(tidyverse); library(tidyquant)
library(timetk); library(sweep)
library(forecast)
library(ts
浏览 16提问于2020-07-22得票数 0
回答已采纳
进一步讨论了使用外部回归元拟合arima模型的问题。
考虑到我有解释我的响应变量(churn_rate)的预测器的未来值，我能够很好地预测接下来的5个月。
arima_model_churn_rate <- auto.arima(tsm_churn_rate, stepwise = FALSE,
approximation = FALSE,
xreg = xreg_in_out_p_month_1)
number_of_future_month &l
浏览 1提问于2017-07-01得票数 0
回答已采纳
1回答
我正在学习“使用R预测”DataCamp课程。我已经完成了整个工作，除了最后一部分特定的练习(链接，如果你有一个帐户)，在那里我完全迷路了。它给我的错误帮助也无济于事。我将把任务的各个部分与我用来解决这些问题的代码放在一起：
只制作日需求量和最高温度的时间图。
autoplot(elec[, c("Demand", "Temperature")], facets = TRUE)
相应地，索引elec来设置回归器的矩阵以包含最高温度的MaxTemp (代表最高温度的平方值的MaxTempSq )和按该顺序排列的Workday。
xreg <- c
浏览 2提问于2017-07-07得票数 1
回答已采纳
用PROC ARIMA在SAS中创建的模型来评分数据集是可能的吗？
这是我的代码不起作用：
proc arima data=work.data;
identify var=x crosscorr=(y(7) y(30));
estimate outest=work.arima;
run;
proc score data=work.data score=work.arima type=parms predict out=pred;
var x;
run;
当我运行这段代码时，我从PROC分数部分得到一个错误，上面写着" error :变量x没有找到“。X列位于数据集work.data中
浏览 2提问于2017-01-25得票数 2
回答已采纳
1回答
我正在尝试预测标准普尔500指数。但是，我得到了一个平坦的预测(没有季节性或任何东西)。正在尝试使用python Pyramid Arima库。数据是标准普尔500指数(S&P500)，每日“收盘”。 对auto_arima函数有什么建议的修改吗？有没有办法调整这一点，使最终的预测显示出趋势和季节性，而不是平坦的趋势？ import pmdarima as pm
smodel = pm.auto_arima(data, start_p=0, start_q=0,
test='adf',
浏览 143提问于2020-01-08得票数 0
1回答
建立ARIMA模型时求直线
、、、、
我有一个192.405值的扇速数据集(train+test值)。我正在训练ARIMA模型，并试图预测数据集的其他值，并比较结果。
在测试数据中拟合模型时，我得到了预测的直线。
from sklearn.model_selection import train_test_split
from statsmodels.tsa.arima_model import ARIMA
dfx = df[(df['Tarih']>'2020-07-23') & (df['Tarih']<'2020-10-23')]
X_
浏览 2提问于2022-04-27得票数 1
1回答
我有一个3年的日级数据集，我在R中运行auto.arima()进行简单的时间序列预测，它给了我一个(2,1,2)模型。当我使用这个模型预测未来一年的变量时，几天后曲线图变得恒定，这不可能是正确的
由于我有3年的每日数据，频率为364天，ARIMA不能处理大频率的每日数据吗？
任何帮助我们都将不胜感激。
浏览 3提问于2016-05-18得票数 1
2回答
我使用ARIMA模型预测时间序列数据。我使用以下代码找到了最适合的ARIMA模型：
def run_arima_model(df, ts, p,d,q):
from statsmodels.tsa.arima_model import ARIMA
model=ARIMA(df[ts], order=(p,d,q))
results_=model.fit(disp=-1)
len_results = len(results_.fittedvalues)
ts_modified = df[ts][-len_results:]
# calculate root mean square error
浏览 11提问于2018-12-05得票数 4
我不太明白forecast()如何在library(forecast)中R中应用外部回归器的语法。
我的身材是这样的：
fit <- auto.arima(Y,xreg=factors)
其中Y是timeSeries对象10 0 x1，因子是timeSeries对象10 0 x5。
当我去做预报的时候，我申请.
forecast(fit, h=horizon)
我得到了一个错误：
Error in forecast.Arima(fit, h = horizon) : No regressors provided
它想让我从fit中添加xregressors吗？我认为这些都包含在fit对象
浏览 4提问于2012-05-15得票数 10
回答已采纳
我正在尝试使用auto.arima来拟合一个动态回归模型。我有每个客户的天然气(供暖)使用量的月度数据(我想要预测)和一组回归变量(例如，供暖度数、天然气价格、特定年份的结构假人和季节性假人)。我有外生回归变量的预测值。每个客户的使用数据从2005年1月至Mar2018提供，所有其他数据从2005年1月至2021年12月提供。我正在尝试预测2020年所有月份的每个客户的使用量。我不确定如何在auto.arima函数中的xreg和预测函数中划分我的数据。我目前得出的预测值与使用月份不匹配，例如，2018年4月每个客户的预测使用量与2005年1月的实际使用量一样高，甚至几乎相等。事实并非如此。
我
浏览 0提问于2019-04-24得票数 2
我有样本数据集，我想预测以下两个阶段的结果。但是预测函数给了我同样的结果。
这是我的数据集(数据‘t1’)；
0 83.846
1 73.350
2 66.499
3 63.576
4 66.545
5 57.264
6 63.009
7 59.608
8 62.775
9 58.451
10 80.893
11 58.734
12 77.830
13 73.374
14 61.650
15 52.548
16 31.683
17 57.599
18 70.81
浏览 6提问于2021-11-15得票数 0
回答已采纳
我正在使用forecast包并使用xreg实现auto.arima。在这里，我只想预测未来一年，但我无法在h函数中使用forecast参数。原因如下：
定义在手册(F1检查)中:h=“预测周期的数目，但如果使用xreg，则忽略'h‘，预测周期将为行数”。
请建议我用一种替代的方式来使用h进行具体的周期预测。
浏览 0提问于2019-06-17得票数 1
回答已采纳
在ARIMA中，有get_forecast方法来预测未知的未来，例如：
results.get_forecast(steps=500)
Keras中是否也有针对RNN/LSTM的内置函数？
浏览 0提问于2018-01-19得票数 0
我陷入了这个我无法解决的问题。 当使用AirPassengers数据并通过ETS()和AUTO.ARIMA()对其建模时，拟合值似乎与观测值很好地拟合： library(forecast)
a <- ts(AirPassengers, start = 1949, frequency = 12)
a <- window(a, start = 1949, end = c(1954,12), frequency = 12)
fit_a_ets <- ets(a)
fit_a_arima <- auto.arima(a)
plot(a)
lines(fit_a_ets$
浏览 39提问于2020-08-11得票数 0
回答已采纳
1回答
我想使用plotmo包中的Plotmo指令来绘制一个arima对象，我用解释变量X(传递函数)来估计arima模型。
arima.model<-arima(y，c(3,1,3)，xreg=X)
在绘制此对象时，我有下一个错误：
plotmo(arima.model)统计：：预测(Arima.object，data.frame3,1，type=“响应”)
Predict.Arima中的错误(coef= c(0，0，0.426819838403672，-0.23337107002535 )，：'xreg‘和'newxreg’有不同的列数
我怎么才能解决这个问题？
浏览 0提问于2018-03-17得票数 2
我想我理解通过LSTM或XGBoost模型进行预测的想法，但我想联系社区来证实我的想法。
本教程很好地一步一步地解释了该做什么："如何建立多步LSTM电力使用时间序列预测模型“
然而，在预测方面，作者拿出了部分数据，然后用这些数据来预测未来的值.在我看来，这并不是一种预测(通过ARIMA、VAR等方法完成的事情--你可以指定时间周期的数目，然后不指定任何东西，模型给你一些关于未来的预测)，你可以看到我对作者的评论，基本上，通过LSTM或XGBoost模型的预测将基于输入值而不是未来的数据范围，即我需要提供温度、湿度、风等来预测房屋的耗电量。
话虽如此，LSTM或GXBoost在何种程度
浏览 0提问于2019-09-30得票数 4
2回答
我正在尝试用一个自变量(ARIMAX)来拟合R中的Arima模型。模型拟合数据包含正数和负数。问题是，在拟合模型之后，预测函数抛出的数字甚至与用于拟合模型的数据并不接近。 # Sample Data
y <- c( -0.05628948, 0.01907727, 0.00000000, -0.01907727, 0.00000000, -0.01940678,
0.05724351, -0.01875946, -0.03848405, 0.05724351)
x <- c(0.000000000,-0.071700531 ,-0.023863364, 0.013701
浏览 29提问于2019-06-20得票数 0
我对R和ARIMA模型非常陌生，我对R中得到的ARIMA模型有一个问题。
我将以美国的失业率为例，数据范围是从1948年1月到2015年2月，总共有806个观察值。在研究了AICc之后，我决定使用ARIMA(2,1,2)模型。(顺便说一句，我正在使用R中的"forecast“包中的Arima()函数)
输出如下：
Series: log.unemp
ARIMA(2,1,2)
ar1 1.6406
ar2 -0.7499
ma1 -1.5943
ma2 0.7893
sigma^2 estimated as 0.001307: log likelihood=1530.14
AIC=‐
浏览 1提问于2015-03-29得票数 0
1回答
我使用auto.arima()函数建立ARIMA模型，然后计算预测精度： library(fpp2)
data("AirPassengers")
train <- window(AirPassengers, end = c(1959, 12))
test <- window(AirPassengers, start = 1960)
ARIMA <- auto.arima(train, lambda = 0, biasadj = TRUE)
ARIMAf <- forecast(ARIMA, h = 12)
accuracy(ARIMAf, te
浏览 24提问于2020-01-26得票数 1
回答已采纳
我正在成功地使用橙色时间序列模型来进行ARIMA模型的预测。
我正在努力使预测显示在系列赛结束时，在一个线图。4期预测显示一系列的1-4，而不是未来的日期.
我已经在CSV加载中将列类型设置为Datetime。时间序列在线图中正确加载，但预测没有。
📷
📷
任何帮助，使日期系列正常工作，将不胜感激。
浏览 0提问于2022-04-02得票数 0
1回答
兰博达在同一系列中产生了不同的效果。-我们能说什么？- Lambda有什么效果？-我应该喜欢Lambda这样的例子吗？或者我不应该？-我看RMSE就够了吗？-是的，lambda规范了数据。但我应该什么时候选择呢？有很多问题。对不起，但我很困惑。我试图用ARIMA在下面的数据上建立一个模型。这个模型的结果可以说是什么？
>ARIMA_e <- forecast(auto.arima(train_e, lambda=0), h=h_e)
>accuracy(ARIMA_e)
ME RMSE MAE MP
浏览 2提问于2020-03-17得票数 0
回答已采纳
1回答
我正在用外部回归器生成一个Arima模型。假设我有n观测。predict.Arima函数来自forecast软件包，只是对n + 1的观测值进行了预测。
我需要预测n值(序列的最后值)，改变外部回归器的值，也就是说，我需要预测给定外部回归者的特定值的n观测值。
library(forecast)
set.seed(123)
aux <- 1:24
covari <- aux + rnorm(24,0,2)
vari <- ts(aux * runif(24,0,3), start=c(2010,1), freq=12)
mod <- auto.arima(vari,
浏览 4提问于2012-04-24得票数 5
回答已采纳
1回答
精度函数
、
我正在做TS分析。这两种精确度之间的区别是什么：
fit<-auto.arima(tsdata)
fcast<-forecast(fit,6)
accuracy(fcast) #### First Accuracy
fit<-auto.arima(tsdata)
fcast<-forecast(fit,6)
accuracy(fcast,actual values) #### Second Accuracy
当我没有像第一种情况那样在精度函数中指定实际值时，精度函数是如何工作的。
其次，计算精度的正确方法是什么？
浏览 0提问于2017-03-27得票数 1
回答已采纳
1回答
我有一个气象站近50年的每日天气数据，我想预测未来100天的天气。我使用python，到目前为止我使用的所有工具(pmdarima.auto_arima、statsmodels.ARIMA等)要么无限地运行，要么只是撞坏了我的Colab或木星笔记本。用ARIMA预测这些数据的最好方法是什么？
ACF和PACF图通常也给出这样的结果，我无法解释有意义的p，d，q阶。例如，adf-测试给出了季节性部分的p值0.000，这是它的PACF和PACF地块：
📷
📷
adf-检验表明，季节性部分是平稳的，但PACF图仍然给出了显著的滞后值，甚至高达35 (这将使运行ARIMA模型的时间更长)。如有任何建议
浏览 0提问于2022-12-10得票数 0
我曾经使用"auto.arima“在R中运行arima模型，以确定符合数据的最佳arima模型。即使没有它，在R中也很容易编写一个函数来执行类似的任务。然而，我已经用谷歌搜索了几天，我在SAS中找不到类似的过程。谁知道SAS中有没有"auto.arima“？或者我必须自己写一个？谢谢!
编辑:经过几天的在线搜索，我能找到的最接近的是时间序列预测包中的自动模型选择。但是，该函数是使用GUI的函数，仍然需要手动选择所有不同的模型进行测试。有没有人知道一个命令行过程或包来做这件事？谢谢。
浏览 0提问于2012-07-24得票数 2
我正在使用forecast包中的auto.arima用于HPC服务器中的多个数据集。列车数据始终有24个数据点，其中包含过去2年的按月数据。数据还包含一个外部回归器。它一直工作得很好，但我突然遇到一个数据集的错误alone.The错误消息说- <simpleError in search.arima(x, d, D, max.p, max.q, max.P, max.Q, max.order, stationary, ic, trace, approximation, xreg = xreg, offset = offset, allowdrift = allowdri
浏览 31提问于2020-08-28得票数 0
回答已采纳
2回答
我正在尝试使用python状态模型进行样本外的预测。我不想仅仅预测训练集结束时的下一个x值，但是我希望一次预测一个值，并在预测时考虑到实际值。换句话说，我想做滚动的1期预测，但我不想每次都重新调整模型。我能找到的最接近的职位是这里：
然而，这使用ARMA而不是ARIMA。我怎样才能用ARIMA实现这一点，或者有没有更好的方法？我知道我可以自己拉出系数并应用一个函数，但是在我的代码中，我使用的ARIMA模型是动态的，因此使用的系数和滞后值的数量不是固定的。任何帮助都将不胜感激。
浏览 1提问于2015-11-11得票数 10
回答已采纳
2回答
我试图预测Rstudio中的arima模型(0,1,1)。
我可以用哪个函数来预测模型？
浏览 3提问于2014-11-29得票数 1
回答已采纳
1回答
如何解释R中的预测模型
、、、
我在R中使用stlf(), auto.arima(), HoltWinters()方法创建了一个预测模型，我得到了如下所示：
颜色是什么意思，即灰色区域和紫色区域表示什么？
浏览 4提问于2015-03-19得票数 1
回答已采纳
1回答
假设我使用寓言包估计了以下模型，使用涵盖2019年的每日数据，其中x是一个外生解释变量。术语pdq(p = 1, d = 0, q = 0)和PDQ(P = 0, D = 0, Q = 0)意味着这是一个自回归模型。
library(tidyverse)
library(fable)
load(file, "Some data.RData")
fit <- dta_2019 %>%
tsibble() %>%
model(ar = ARIMA(y ~ x + pdq(p = 1, d = 0, q = 0) + PDQ(P = 0, D = 0,
浏览 3提问于2020-02-17得票数 1
回答已采纳
2回答
我已经为我拥有的数据生成了一个ARIMA模型，并需要模拟10年后生成的模型(大约3652天，因为数据是每天的)。这是最适合auto.arima生成的数据的模型，我的问题是如何将其模拟到未来？
mydata.arima505 <- arima(d.y, order=c(5,0,5))
浏览 2提问于2016-06-30得票数 0
2回答
我曾经在SAS中预测每周一次的计算机销量，大致基于两个参数-定价和营销支出(车辆级别-因此有几个变量)。这在SAS中很容易，因为我可以使用PROC ARIMA。
你能帮我过渡到R吗？我已经导入了数据集，执行了auto.arima，并分析了一些变量的p值。然而，我不知道如何进行预测，在接下来的26周。任何帮助都将不胜感激！
浏览 2提问于2013-03-05得票数 3
我正在尝试使用statsmodel的ARIMA来预测时间序列。我正在使用sklearn的TimeSeriesSplit来评估我的模型。不幸的是，当我预测下一叠数据(具有真值Y_test)时，我得到了一个常量预测：
if is_arima:
Y_train = Y_train.astype(float)
# build basic ARIMA model
arima_model = ARIMA(Y_train, order=(2,0,1))
# fit it, using exogenous variables
arima_result
浏览 4提问于2018-03-12得票数 2
2回答
我的问题的完整R数据和代码在这里：。
我是R的新手，在时间序列分析方面还是个初学者，所以请原谅我的无知。
我试图用两个虚拟编码的回归器来建模和预测一些注册数据.我已经使用auto.arima来拟合模型：
model <- auto.arima(enroll, xreg=x)
在我预测这个模型之前，我试图通过只选择一部分时间序列(1:102而不是1:112)来测试它的准确性，同样地，选择一个部分的回归者列表。
基于auto.arima，我对部分模型进行了如下拟合：
model_par <-arima((enroll_partial), c(1, 1, 1),seasonal = li
浏览 1提问于2019-05-13得票数 1
回答已采纳
1回答
请考虑这个小数据集：
library(xts)
library(ggplot2)
library(forecast)
data <- data.frame(idDate = c("12-12-2012", "13-12-2012", "14-12-2012", "16-12-2012", "19-12-2012"), score= c(110, 120, 130, 200, 180))
date <- as.Date(as.character(data$idDate), "%d-%m-%Y&#
浏览 0提问于2017-06-11得票数 3
我正在使用以下教程学习ARIMA模型：—-fitting-an-arima-time-series-model
在我用步骤5对模型进行拟合之后--用以下代码拟合ARIMA时间序列模型：
mod = sm.tsa.statespace.SARIMAX(y,
order=(1, 1, 1),
seasonal_order=(1, 1, 1, 12),
enforce_stationarity=False,
浏览 0提问于2017-05-29得票数 7
回答已采纳
我正在尝试用ARIMA模型做一些预测。我在将我的预测转换回原始规模时遇到了问题。这是我的代码。有人能帮我找出脚本中的错误吗？我会非常感谢的，谢谢。
from statsmodels.tsa.arima_model import ARIMA
#arima model
model=ARIMA(ts_logscale,order=(2,1,2))
results_ARIMA=model.fit(disp=-1)
plt.plot(datasetlogdiffshifting)
plt.plot(results_ARIMA.fittedvalues,color='red')
plt.
浏览 20提问于2020-02-16得票数 2
我一直在网上寻找这样的东西，但我不能完全弄明白。 ? 这是我的数据。我正在尝试使用来自“关闭”的时间序列数据和来自“帖子”的时间序列数据来预测“关闭”。我试着查看了关于SARIMA、auto arima等的文档。我什么也得不到。有没有人知道如何在Python中做到这一点？这是一个熊猫数据帧。
浏览 22提问于2021-04-25得票数 0
我想知道arima如何通过使用预测值和实际值之间的差异来更好地工作。所以我使用了plot_predict()(下面的那个)，但是它不同于()的值(高于一个)。(请看看它是如何不同的) --我认为plot_predict值是我想要的，因为它更接近实际值，但是我可以从预测()得到的值太低了。请帮我找出答案。感谢你的帮助。
第一次，我用
from statsmodels.tsa.arima_model import ARIMA
model = ARIMA(sales, order=(0,1,1))
model_fit = model.fit(trend='nc',full_out
浏览 11提问于2021-06-16得票数 1
我试图使用forecast.Arima和参数xtreg以及预测周期的数量( h )来预测值。
我的R码：
monthlylFatal <- ts(Spainmonthly$fatalities, start=c(1995,1), end= c(2013,12), frequency=12)
Spainpps <- ts(Spainmonthly$pps.2007, start=c(1995,1), end=c(2013,12), frequency=12)
Spainfinanc.cris <- ts(Spainmonthly$financ.cris.2008, start=
浏览 0提问于2017-05-04得票数 1
回答已采纳
1回答
假设我有一个时间序列数据集，使用90%作为训练集，10%作为随机验证集。如何评估ARIMA模型的准确性？
我是否必须使用100%的完整数据集来拟合ARIMA模型，并使用auto.arima迭代地将其修改为使用forecast::Arima来预测验证集的训练集？
或
我是否必须使用训练集来迭代拟合ARIMA模型，并预测验证集、以及因此不同的模型，并且每次都不进行修改？
我一直认为，这是第一个，然而，我的模型是做奇怪的事情，当这样做时，使用傅立叶术语，以纳入多个季节性。
如果有人能帮我的话我会很感激的。
浏览 3提问于2019-11-01得票数 2
1回答
假设我有一些时间序列，如下所示，我想预测c1一步一步，这样做非常直接，而且在R中很容易实现：
testurl = "https://docs.google.com/spreadsheets/d/1jtpQaSxNY1V3b-Xfa5OJKDCLE6pNlzTbwhSHByei4EA/pub?gid=0&single=true&output=csv"
test = getURL(testurl)
mydata = read.csv(textConnection(test), header = TRUE)
data <- ts(mydata['c1&#
浏览 1提问于2016-02-20得票数 6
回答已采纳
1回答
我用auto.arima做了一个arima模型。然后利用预测函数得到预测对象。
问题是，为了降低异方差性，我对变量进行了日志转换。现在预测和日志的规模是一样的。我想要得到实际规模的预测，通过指数变换，然后用预测对象绘制相同的图。但我不能将此转换应用于预测对象。
arimaFit <- auto.arima(datats)
plot(exp(forecast(arimaFit, h = 100)))
这给了我以下错误：
Error in exp(forecast(arimaFit)) :
non-numeric argument to mathematical function
我考
浏览 4提问于2019-10-07得票数 1
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
实时音视频
即时通信 IM活动推荐
腾讯云开发者
