ARIMA预测失败，因为“当ARIMA与X数组匹配时，还必须为其提供一个用于预测或更新观测值的ARIMA。”
ARIMA（自回归移动平均模型）是一种常用的时间序列预测模型，用于分析和预测时间序列数据。它结合了自回归（AR）和移动平均（MA）的概念，可以对时间序列数据的趋势、季节性和随机性进行建模和预测。
在使用ARIMA模型进行预测时，需要提供一个用于预测或更新观测值的ARIMA。这意味着需要给定一个包含历史观测值的数组（通常称为X数组），以便ARIMA模型可以基于这些观测值进行预测或更新。
ARIMA模型的预测失败可能是由于以下原因之一：
- 数据不适合ARIMA模型：ARIMA模型对数据的要求是具有一定的平稳性，即数据的均值和方差在时间上保持稳定。如果数据具有明显的趋势或季节性，可能需要进行预处理（如差分或季节性调整）才能适用于ARIMA模型。
- 参数选择不当：ARIMA模型有三个参数：p、d和q，分别代表自回归阶数、差分阶数和移动平均阶数。选择不合适的参数值可能导致模型无法准确地捕捉数据的特征。
- 数据量不足：ARIMA模型通常需要足够的历史数据来进行准确的预测。如果数据量太少，模型可能无法捕捉到数据的潜在模式和趋势。
针对ARIMA预测失败的问题，可以尝试以下解决方法：
- 检查数据的平稳性：使用统计方法（如ADF检验）来检验数据的平稳性。如果数据不平稳，可以尝试进行差分或季节性调整等预处理方法，使数据满足ARIMA模型的要求。
- 调整参数：尝试不同的参数组合，通过模型评估指标（如AIC、BIC）来选择最佳的参数组合。可以使用自动化工具或网格搜索等方法来搜索最佳参数。
- 增加数据量：如果数据量较少，可以考虑增加数据的时间跨度或收集更多的历史数据，以提高模型的准确性。
腾讯云提供了一系列与时间序列分析和预测相关的产品和服务，可以用于支持ARIMA模型的应用场景。以下是一些相关产品和介绍链接：
- 云数据库 TencentDB：提供高性能、可扩展的云数据库服务，适用于存储和管理大量时间序列数据。链接：https://cloud.tencent.com/product/cdb
- 云服务器 CVM：提供灵活可扩展的云服务器实例，可用于部署和运行ARIMA模型的计算环境。链接：https://cloud.tencent.com/product/cvm
- 人工智能平台 AI Lab：提供丰富的人工智能算法和工具，包括时间序列分析和预测的相关算法，可用于辅助ARIMA模型的建模和预测。链接：https://cloud.tencent.com/product/ailab
请注意，以上仅为示例产品和链接，具体选择和使用产品时应根据实际需求和情况进行评估和决策。
相关·内容
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
我对xt =γ1xt−1 +γ2 xt−2+εt AR(2)作了1000次观测。我想做的是用前900个观测来估计模型，然后用剩下的100个观测来预测前进一步。这就是我到目前为止所做的：
data2=arima.sim(n=1000, list(ar=c(0.5, -0.7))) #1000 observations simulated, (AR (2))
arima(data2, order = c(2,0,0), method= "ML") #estimated parameters of the model with ML
fit2<-ar
浏览 3提问于2014-06-18得票数 2
回答已采纳
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
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
我有一个包含3068个观察结果的系列。我想为第一个3037个观察值生成一个ARIMA(0,1,1)模型，并使用这个模型通过3037个实际观察值来预测第3038个观察值。然后我想用3038个实际观测值更新这个ARIMA(0,1,1)模型，并用这个模型通过3038个实际观测值预测第3039个模型。接着..。一些草案代码示例将不胜感激。
浏览 0提问于2017-03-08得票数 3
我使用ARIMA模型来拟合时间序列数据。R中的命令arima工作起来很有魅力。由于我正在处理一个包含15831个观测的相当大的数据集，所以我使用
arima(x, order=c(58), method="CSS")
而不是method="CSS-ML"或method="ML"。现在我正在完成分析，开始写一篇论文。我意识到，我找不到足够的参考"CSS“方法。我想知道是否有人能指引我走向正确的方向。
非常感谢。
相同的
浏览 3提问于2014-03-17得票数 1
我正在使用auto.arima从forecast包创建一个ARIMAX模型。因变量和回归变量是非平稳的。但是，auto.arima()返回一个模型ARIMA(0,0,0)。
我该担心这个吗？我应该强制auto.arima()差分我的时间序列，指定d=1吗？
如果我没有在我的模型中添加任何回归器，它就会检测到非平稳性，最终得到ARIMA(0,1,1)。
我知道这个问题类似于主题，但是我的数据集更大(大约90个观测值)，因此给出的答案并不令人满意。
浏览 5提问于2016-07-21得票数 3
回答已采纳
m7 = arima(lill,order=c(0,0,1),
seasonal=list(order=c(1,0,0),period=22),
xreg=data.frame(lpGDP))
preds = predict(m7,n.ahead = 1, newxreg = 1)
在lill对象中有329个观测值。我如何预测最后一次观察328，而不是330次观测？谢谢。
浏览 2提问于2016-06-18得票数 1
回答已采纳
样本数据集特征:日期、存储、产品、total_amount_sold、温度、is_rainy
当使用BigQuery ML的ARIMA+时，可以使用以下语句指定多个列：
TIME_SERIES_ID_COL =“商店”，“产品”
如何在AutoML上设置多个系列标识符列？我是否应该考虑将商店和产品列合并成一个列？
浏览 13提问于2022-10-14得票数 0
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
如何生成“较低”和“较高”预测，而不仅仅是"yhat"？ import statsmodels
from statsmodels.tsa.arima.model import ARIMA
assert statsmodels.__version__ == '0.12.0'
arima = ARIMA(df['value'], order=order)
model = arima.fit() 现在我可以生成"yhat“预测了。 yhat = model.forecast(123) 并获得模型参数的置信区间(但不是预测)： model.
浏览 1329提问于2020-10-09得票数 2
我使用statsmodels.tsa.arima.model包在Python中开发了一个ARIMA模型。该系列分为列车系列和测试系列。
ARIMA模型是使用以下代码建立的，然后使用该模型在测试期间进行预测，以便进行比较：
train_size = int(len(X) * 0.66)
train, test = X[0:train_size], X[train_size:]
history = [x for x in train]
predictions = list()
for t in range(len(test)):
model = ARIMA(history, order=1
浏览 3提问于2021-07-23得票数 0
我有很多时间序列(零售数据)，我想对所有这些数据进行预测。
例如，让我们来看看其中的一个：
> dput(x)
c(1774, 1706, 1288, 1276, 2350, 1821, 1712, 1654, 1680, 1451,
1275, 2140, 1747, 1749, 1770, 1797, 1485, 1299, 2330, 1822, 1627,
1847, 1797, 1452, 1328, 2363, 1998, 1864, 2088, 2084, 594, 884,
1968, 1858, 1640, 1823, 1938, 1490, 131
浏览 2提问于2014-03-13得票数 13
回答已采纳
我对Java中的R是新手。我使用Java中R的auto.Arima函数来预测12个周期的数据。但预测结果的周期为十个周期。我该如何做12个预测阶段？我还想将预测结果存储在一个数组中。这是我的代码，它不能停止运行，我收到错误消息。
我能做什么来存储它的结果？
package Arima;
import org.rosuda.JRI.REXP;
import org.rosuda.JRI.Rengine;
public class Arima {
public static void main(String[] args) {
Rengine re = new Ren
浏览 3提问于2012-01-22得票数 3
我有一些时间序列，就像这个：
📷
我想预测未来的价值，所以我分裂了火车/测试(70/30)，我创建了几个ARIMA模型，但是它们都是完全错误的(也许我错了)。首先，考虑到分化，ACF和PACF，我假设一个好的模型可以是ARIMA(2,2,2)或者类似的模型(扰流板:我没有找到任何好的模型)。
📷
为了具有更多类似的值，我使用了一个box转换来转换数据，所以
Timestamp Value year month
Timestamp
2010-01-01 2010-01-01 5.948447e+06 2
浏览 0提问于2022-09-29得票数 4
我对季度时间序列使用了arima函数，并得到了这个警告。(一开始效果很好，但后来我不知道是什么问题造成了这种情况)
final是由数值组成的值列的dataframe。
ar1 = arima(final$Value,order=c(1,0,0))
summary(ar1)
调用: arima(x =最终$值，order = c(1，0，0))
系数: ar1截距0.9879 7.3593 s.e.0.0118 0.5308
西格玛^2估计为0.01265:对数似然= 108.45，aic = -212.89
培训集错误度量: ME RMSE MAE MPE培训集NaN NaN NaN警告消息:
浏览 7提问于2022-01-29得票数 1
回答已采纳
arima.predict()和arima.forecast()的区别是什么？
在python中，预测时间序列的应该使用哪个函数？
浏览 1提问于2018-08-28得票数 1
TS<-ts(Product_Dist_Training_Trans[,17], frequency = 7)
plot(TS)
library(tseries)
library(forecast)
TSETS<- TS
adf<- adf.test(TS)
Order<- ndiffs(TS)
if (adf$p.value>.05)
{
for(i in 1:Order){
TSDiff<- diff(TS)
TS<- TSDiff}} else
{
TS
}
decomp<- decompose(TS)
TSadj<
浏览 3提问于2018-10-29得票数 1
1回答
我有大约10000个时间序列。
我想使用auto.arima函数
我想测试我的auto.arima模型对于10000时间序列的准确性。我正在推迟20%的数据点(如果你看到40个样本中的8个)，然后让auto.arima预测。然后，我可以比较生成的8个值和实际的8个值。
但是，在ARIMA模型中是否有一种正式的方法来检验精度呢？我的方法是correcT吗？
y=auto.arima(x)
plot(forecast(y,h=8))
样本时间序列1
0.0003748,0.0003929,0.0003653,0.0003557,0.0004463,0.000349,0.0003099,0.0003
浏览 4提问于2015-09-29得票数 0
我的代码是：
install.packages("forecast")
library(forecast)
fit<-auto.arima(pricetimeseries)
summary(fit)
pricetimeseriesarima<-arima(pricetimeseries, order=c(0,1,1))
forecast.Arima(pricetimeseriesarima), h=5, level=c(99.5))
然后
Error in forecast.Arima(pricetimeseriesarima, h = 5, level = c(9
浏览 6提问于2018-01-25得票数 0
做时间序列分析，我对选择正确的模型有疑问。我想从包含no的输入数据集中预测下30分钟的窗口。那个特定的1分钟间隔的错误计数。
我应该使用XGBoost还是ARIMA回归？
我在网上发现的大多数文章或教程都使用ARIMA作为时间序列，而XGBoost则更多地用于Kaggle竞赛。
浏览 0提问于2019-09-24得票数 3
回答已采纳
这是我在这个平台上的第一篇文章。我是工商管理专业的学生，所以请宽恕我的努比问题。
我目前正在为一些股票分别建立ARIMA模型，它们的收盘价。然而，在规划预测时，我得到的只是一条带有一点漂移的直线。但仅此而已。我没有得到任何明确的模式，例如，没有起伏的预测，只是直线与漂移。
我不确定我是不是做错了什么。
install.packages(quantmod)
install.packages(tseries)
install.packages(timeSeries)
install.packages(forecast)
install.packages(MASS)
install.packages
浏览 7提问于2020-05-08得票数 1
1回答
我预测的ARMA(1，0-1)模型如下：
nrow(Reg_data)
train<-Reg_data[0:(nrow(Reg_data)-7),c(4,5,9)]
test<-Reg_data[(nrow(Reg_data)-6):nrow(Reg_data),4]
View(train)
View(test)
#step 2 get forecast prediction and errors for auto.arima model
attach(train)
mod1<-arima(y,c(1,0,1), include.mean = TRUE)
mod1_re
浏览 0提问于2018-11-19得票数 0
回答已采纳
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
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
我正在使用寓言和交叉验证来构建一个时间序列模型，以确定要使用的最佳模型定义。建模有风险吗？ model(ETS(GDP)) vs model(ETS(GDP ~ error('A') + trend('A') + season('A')) and other ETS methods 我之所以这样问，是因为当我仔细阅读**model(ETS(GDP))**中的mable时，所选择的型号在一些.id中是不同的。例如，对于id = 1的ETS(A，A，A)，对于id = 2的ETS(A，Ad，A)，等等。如果是这样的话，为了确保一致性，定义ETS的所
浏览 16提问于2020-01-23得票数 0
回答已采纳
1回答
如何正确预测湿度值？
、、、
我有以下输入：
startDate = "2013-01-01"
endDate = "2013-01-01"
knownTimestamps = ['2013-01-01 00:00','2013-01-01 01:00','2013-01-01 02:00','2013-01-01 03:00','2013-01-01 04:00',
'2013-01-01 05:00','2013-01-01 06:00','
浏览 0提问于2018-11-23得票数 0
1回答
我想在我的Forecast预测模型中使用在fable包中实现的θ模型。这就是我想要做的。
library(forecast)
library(tidyverse)
library(fable)
library(tsibble)
library(fabletools)
tourism_aus <- tourism %>%
summarise(Trips = sum(Trips))
tourism_aus
fit <- tourism_aus %>%
model(
ets = ETS(Trips),
arima = ARIMA(Trips)
浏览 2提问于2020-05-07得票数 1
回答已采纳
我有多个部门(零售领域)的每周时间序列数据，并且基于一些研究，我正在自动化为每个时间序列寻找模型参数的过程。到目前为止，我已经在for循环中为每个时间序列实现了以下模型： 1) ARIMA (R中的auto.arima) 2) stlf (不能使用R的ets函数，因为我有每周数据) 3) TBATS 4) ARIMA误差回归(使用傅立叶项) 5)基线模型:朴素&均值 我想了解如何为每个时间序列选择模型。我有多种方法来解决这个问题： 1)在测试数据上选择RMSE最低的模型(风险:对测试数据过度拟合) 2)选择均方根值最低的模型进行时间序列的交叉验证(tsCV) 3)为所有时间序列选择一
浏览 19提问于2020-04-12得票数 0
我建立了一个基于时间序列x的R的arima模型。
mod1 <- auto.arima(x)
现在我想看看这个模型是否适合第二个时间序列y(可能得到R平方或p值)。我似乎找不到这是哪个命令。我不认为这是“预测”，可能只是具有不同参数的arima (例如传递mod1?)。
谢谢你的帮助！
更新
我试过的一件事是：
refit <- Arima(y, model=mod1)
这现在给了我(关于一个玩具例子)：
ARIMA(0,0,0) with non-zero mean
Coefficients:
intercept
4
s.e.
浏览 1提问于2016-02-07得票数 1
回答已采纳
1回答
我正在尝试使用预测功能(R中的预测包)，但遇到了问题。考虑以下示例：
library(forecast)
fit=arima(WWWusage,order=c(1,1,1))
fcast=forecast(fit)
plot(fcast)
在预测步骤中，我得到了错误消息：
Error in .forecast.transform(x, xv, a, h, 1) :
argument "xv" is missing, with no default
即使我将arima替换为Arima或forecast包中的auto.arima函数，也会发生这种情况。
浏览 2提问于2016-04-09得票数 1
1回答
我有一个每月的时间序列数据，我想通过使用交叉验证来使用Fable包中的不同模型对其进行建模，以了解所考虑的模型中最好的模型。
# My data
google <- read_csv("google.csv") %>%
tsibble(index = date)
# dimension of the data is 60 by 2.
]
# Training data for cross validation
google_tr <- google %>%
slice(1:(n()-1)) %>%
stretch_tsib
浏览 3提问于2020-11-17得票数 1
我正在做一个项目来预测商店的销售额来学习forecasting.Till现在我已经成功地为forecasting.But使用了简单的auto.Arima()函数来使这些预测更准确我可以利用协变量我已经定义了像假日，促销这样的协变量，它们影响商店的销售使用xreg运算符在这篇文章的帮助下:如何在R的auto.arima()中设置xreg参数？
但我的代码在以下代码行失败：
ARIMAfit <- auto.arima(saledata，xreg=covariates)
并给出错误提示：
公式中出错(model.frame.default=x~ xreg，drop.unused.levels
浏览 3提问于2015-12-13得票数 4
回答已采纳
我正在使用statsmodels.tsa.arima.model.ARIMA在时间序列上拟合ARIMA模型。 如何使用此模型对看不见的数据进行预测？似乎预测和预测功能只能从模型拟合到的训练集中的最后一次看到的数据进行预测。 举个例子，我想用一个静态模型来预测未来。这是为了实时多步预测的目的，其中重新拟合模型是不可行的。 例如， 假设我们有一个10,000的数据集，分为训练和测试(70/30)。我们训练的最后一个读数是7,000，可以使用经过训练的模型并在6997到7000中传递来预测7001到7004，然后在接下来的迭代中使用相同的模型传递6998到7001来预测7002到7005。 这种类
浏览 33提问于2021-10-28得票数 0
1回答
我正在尝试学习如何基于库Statsmodel中的ARIMA模型来预测数据，但是我经常遇到一些问题。目前，我只是试着将我的预测与实际测试模型并列起来，但我无法得到ARIMA模型的结果。
import statsmodels.api as sm
model = sm.tsa.arima.ARIMA(train, order=(4,1,2))
result = model.fit()
result.summary()
step = 10
fc, se, conf = result.forecast(step)
这一切都有效，但最后一步是抛出此错误。
ValueError
浏览 7提问于2022-01-12得票数 0
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
1回答
我有一个时间序列数据集，有63个特征和一个单变量因变量。这是我的第一个主要的时间序列项目，所以我想知道像ARIMA和LSTM这样的算法是否对具有共线性的变量免疫，类似于梯度增强的方法，比如xgboost，它实际上被看作是一种稳健的方法。下面是相关矩阵的图像。我在dataset中使用了xgboost，即使在删除了红色类别中的一些变量之后，也没有得到令人满意的结果，所以我将使用一些时间序列方法继续下一步工作。
📷
图像可以不断放大，以获得更清晰的特征描述。
浏览 0提问于2019-10-23得票数 1
1回答
我正在构建ARIMA模型，我的数据是每月的，因此我调整了每个数据点的日历效果。在我对ARIMA进行建模和预测之后，我想对结果进行反向转换。如何访问预测的对象平均值和预测间隔以应用数值运算(因此它仍然是预测对象)？任何帮助都将不胜感激。
浏览 18提问于2020-07-28得票数 1
我用arima+stl模型对R中的时间序列进行预测，预测汇率。
ui.R
shinyUI(
sidebarLayout(
headerPanel("Time Series forecasting with arima+stl"),
sidebarPanel(
dateRangeInput('dateRange',
label = paste('Date range selection'),
start = textOutput("text1"),
浏览 6提问于2016-07-23得票数 1
回答已采纳
1回答
我有一个arima模型训练在一个数据集:350测试350:427值。我在列车数值中拟合模型，我的(p，d，q)值为(1,1,2)。目前，我一次只能预测一个时间步骤。我希望在循环中运行模型，以便每次它输出一个预测值时，它被添加到列车数据集中，新值用于预测另一个新的预测值。我无法理解如何做到这一点，到目前为止，这就是我所拥有的。
historical = train['max']
predictions = []
for t in range(len(test)):
model = ARIMA(historical, order=(1,1,2))
model_fi
浏览 12提问于2022-03-02得票数 -1
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
我建立了一个arimax模型，我们有跨时间的销售数据作为响应变量，价格是外部变量之一。我使用下面的代码构建了一个简单的arimax模型。我有从1到24的数据点，在训练数据集中只保留了1到20个数据点。
library(stats)
fit=arima(window(tssales, end=20), order = c(0,1,1), xreg = window(tsprice, end=20))
summary(fit)
fcast=forecast(fit, h=5, xreg = window(tsprice, end=20))
plot(fcast)
现在，当我试图在样本外数据集中(最
浏览 0提问于2018-08-04得票数 0
我已经在一个列表中存储了60组数据，我希望使用ARIMA(0,0,2)来拟合数据，并对第二天进行预测。代码如下所示，在ts(x)中似乎存在一些问题。你能帮我解决这个问题吗？
> runArima <- function(ts){
+ Higher.R2.18. <- arima(ts,order=c(0,0,2))
+ pred <- forecast(Higher.R2.18.,h=1)
+ return(list(arima=Higher.R2.18.,forecast=pred))
+ }
> library(fore
浏览 6提问于2015-03-24得票数 0
回答已采纳
1回答
如何将预测与线图相匹配？
、、、、
我处于预测模型的末尾(悉尼房价(只对列:日期和sellPrice)感兴趣)，但我得到了下面的错误信息；
**Code:**
Data_fit %>%
forecast(h=5) %>%
filter(.model=='search') %>%
autoplot(data3group_ts)
(data3group_ts: dataframe)
**错误消息：**
Error in UseMethod("filter") :
no applicable method for 'filter' applied t
浏览 5提问于2022-11-03得票数 1
回答已采纳
2回答
我是KNIME的新手，正在尝试使用ARIMA来推断我的时间序列数据。但我没能让ARIMA预测器来做它的工作。
输入数据的格式如下
year,cv_diff
2011,-4799.099999999977
2012,60653.5
2013,64547.5
2014,60420.79999999993
例如，我想预测2015和2016年的值。
我使用String to Date/Time节点将年份转换为日期。在ARIMA Learner中，我只能选择cv_diff字段。这是第一个问题:对于选项“包含单变量时间序列的列”，我应该设置年份列还是要预测的变量？但在我的例子中，我只有一个选择-- cv_
浏览 3提问于2017-06-27得票数 0
我是时间序列预测的新手，我希望将ARIMA/Prophet模型与基于历史股票市场数据和社交媒体情绪评分的XGBoost模型进行比较，预测未来的股票市场价值。
我更熟悉机器学习，所以通常会使用像R^2这样的评估指标来评估这类问题的模型性能。
是否有像ARIMA/Prophet这样的预测方法来评估它们的准确性，这样我就可以和XGBoost的预测精度做类似的比较了吗？
浏览 0提问于2020-07-15得票数 3
1回答
我想在包含趋势和季节性成分的“时间序列数据”中检测异常值。我想略去那些季节性的山峰，而只考虑其他的山峰，并将它们标记为异常值。由于我是时间序列分析的新手，请帮助我处理这个时间序列问题。
编码平台使用的是Python。
尝试1:使用ARIMA模型
我对我的模型进行了训练，并预测了测试数据。然后，能够用我的实际测试数据值计算预测结果之间的差异，然后根据观察到的方差找出异常值。
Arima的实现
!pip install pyramid-arima
from pyramid.arima import auto_arima
stepwise_model = auto_arima(train_log,
浏览 0提问于2019-07-17得票数 6
1回答
我想用python .I中的auto arima来计算预测间隔，想要得到预测的标准误差，就像我们在R中可以得到的统计数据预测一样。
然后我将使用公式点预测±1.96 *当时预测的标准误差t来得到上下限。
如何在python中获得预测的标准误差。我使用的是自动arima预测。我知道statsmodel forecast有std error参数来获取这些参数，但我使用的是Auto arima predict。请告诉我如何在auto arima中获得10个时间步长的预测间隔？return Conf interval参数返回非常宽的上下限范围间隔。怎样才能得到arima (1 0 2)阶的预测标准误差
浏览 36提问于2019-07-18得票数 1
我试图使用BayesARIMAX来建模和预测美国的gdp (您可以在这里找到数据：)，.I遵循示例()来构建我的模型。我没有任何主要的问题来构建模型(使用错误处理来克服问题)。但是无法得到模型的预测结果。我试图寻找解决方案，但没有任何例子可以预测使用BayesARIMAX构建的模型。每次运行“预测”时，我都会得到以下错误：“eval(expr，p)中的错误:对象'X‘找不到”
这是我的密码。
library(xts)
library(zoo)
library(tseries)
library(tidyverse)
library(fpp2)
gdp <- read.csv(
浏览 2提问于2021-12-02得票数 0
2回答
我有一个包含“时间、区域、销售”变量的数据集，我希望使用ARIMA或library(forecast) (SES)来预测每个地区的销售额。共有70个地区，所有这些地区各有152个观测数据和(3年的数据)。就像这样：
Week Region Sales
01/1/2011 A 129
07/1/2011 A 140
14/1/2011 A 133
21/1/2011 A 189
... ... ...
01/12/2013 Z 324
0
浏览 1提问于2014-07-23得票数 5
回答已采纳
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
实时音视频
对象存储
即时通信 IM活动推荐
腾讯云开发者
