Python ARIMA预测正在显示一条平面线
Python ARIMA预测是一种基于时间序列分析的预测方法，用于预测未来一段时间内的数据趋势。ARIMA（自回归移动平均模型）是一种常用的时间序列模型，它结合了自回归（AR）和移动平均（MA）的特性。
ARIMA模型的预测过程包括以下几个步骤：
- 数据准备：将时间序列数据导入Python环境，并进行必要的数据清洗和处理，确保数据的平稳性。
- 模型拟合：根据时间序列数据的特征，选择合适的ARIMA模型参数，包括自回归阶数（p）、差分阶数（d）和移动平均阶数（q），然后使用Python中的ARIMA模型进行拟合。
- 模型评估：通过对模型残差进行检验，评估模型的拟合效果和预测精度，常用的评估指标包括均方根误差（RMSE）和平均绝对误差（MAE）。
- 模型预测：使用已拟合的ARIMA模型进行未来一段时间内的数据预测，生成预测结果。
ARIMA模型在时间序列预测中具有以下优势：
- 考虑了时间序列数据的自相关性和移动平均性，能够较好地捕捉数据的趋势和周期性。
- 可以适应多种类型的时间序列数据，包括季节性、趋势性和周期性等。
- 算法相对简单，易于理解和实现。
ARIMA模型在实际应用中有广泛的应用场景，包括经济学、金融学、气象学、销售预测等领域。例如，在金融领域，ARIMA模型可以用于股票价格预测和汇率预测等。
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，包括云数据库 TencentDB、云服务器 CVM、人工智能平台 AI Lab 等。您可以通过以下链接了解更多关于腾讯云的产品和服务：
请注意，以上答案仅供参考，具体的产品选择和使用需根据实际需求和情况进行决策。
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
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
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
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
我正在使用rpy2来调用python3.4中的R函数，并且我在调用arima函数时遇到了困难。
import rpy2.robjects as robjects
from rpy2.robjects.packages import importr
import pandas as pd
from rpy2.robjects import pandas2ri
ts=robjects.r('ts')
forecast=importr('forecast')
pandas2ri.activate()
traindf=pd.read_csv('MA
浏览 3提问于2018-03-28得票数 0
1回答
我希望从一个文件中读取数据(日期和数量列)，并用ARIMA预测将它们绘制到图表上。
不幸的是，我用过的在线指南并不走运，每个指南都给我带来了不同的问题。
以下是我的基本代码(它只绘制数据而不显示预测)：
from pandas import Series
from matplotlib import pyplot
from statsmodels.tsa.arima_model import ARIMA
series = Series.from_csv('Quantity.csv',header=0)
model = ARIMA(series, order=(2,0,1))
浏览 5提问于2017-08-27得票数 1
回答已采纳
1回答
我有一个时间序列预测问题，我使用的是状态模型python包，我在python sm.tsa.ARIMA(数据，(p,1，q)中应用了ARIMA模型，通常将数据转换为第一个不同的数据，例如，如果我们有一个原始数据(y1、y2、y3、y4.)，那么ARIMA首先找到第一个差异，(y1-y2，y2-y3，.)，所以它从这个新数据(第一个不同数据)中建立模型。当我找到模型时我的问题
arma_mod1=sm.tsa.ARIMA(firstdifference, (p,1,q))
我可以预测第一个差异数据如下
predict_oil =arma_mod11.predict('1980',
浏览 2提问于2015-03-24得票数 1
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
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
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
我是新的R和发现这个网站非常有帮助，所以这里是我的第一个张贴的问题。我感谢您的帮助，并感谢您在这个网站上的智慧。
背景：从5年的每周销售数据开始，以非常强的年度季节性为基础，对未来的生产进行预测。确定起点，包括：
auto.fit <- auto.arima(arima.ts, stepwise=FALSE, parallel=TRUE, num.cores=6, trace=TRUE )
> ARIMA(2,1,2)(0,0,1)[52] with drift.
现在，我希望证明的准确性与可视化绘图的多个窗口的数据和比较的实际值。(这包括记录AIC值。)换句话说，函数按编程间
浏览 4提问于2013-08-08得票数 2
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
有没有一种方法可以在python中运行ARIMA/Holt-温特斯模型，同时处理多个项目(时间序列)？
我可以使用Python中的StatsModels包运行一个ARIMA/Holt-温特斯模型，但不能运行多个时间序列。
若要澄清我所说的多时间序列的含义，请参阅我的数据集。
浏览 1提问于2018-11-14得票数 3
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
在预测包中找不到forecast.Arima函数。错误显示"forecast.Arima“not found。预测函数可以用来代替'forecast.Arima‘函数吗？我使用的是预测8.1。
其次，ARIMA的输出与未来日期的均值持平。这是因为我使用的是‘预测’功能吗？
库(预测)
arima.forecast <- forecast(arima1, h=30)
浏览 6提问于2017-07-19得票数 2
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
2回答
我有2016到2021年的时间序列数据，我怎么能用Python中的ARIMA来获得2010到2015年的数据呢？COuld你们给了我一些样例Python代码吗？非常感谢
浏览 2提问于2022-01-19得票数 -1
我正在尝试运行python 3中statsmodels库中的X-13-ARIMA模型。
我在statsmodel文档中找到了这个示例：
dta = sm.datasets.co2.load_pandas().data
dta.co2.interpolate(inplace=True)
dta = dta.resample('M').sum()
res = sm.tsa.x13_arima_select_order(dta.co2)
print(res.order, res.sorder)
results = sm.tsa.x13_arima_analysis(dta.co2
浏览 0提问于2017-04-18得票数 2
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
我在2018年销售数据上应用了简单的预测模型，如朴素预测、移动平均、简单指数平滑、Holts线性趋势模型等。
所有的模型都导致了零的平线或预测线平坦。这会不会是数据的问题？因为大部分数据都是在零的时候变平的。
📷
📷
📷
📷
model = ARIMA(train_log, order=(0, 1, 2))
output = model.fit(disp=-1)
#convert fitted values in to series
output_series=pd.Series(output.fittedvalues, copy=True)
print(output_series
浏览 0提问于2019-05-21得票数 0
我是新的R和发现这个网站非常有帮助，所以这涵盖了我的问题的后半部分(每个帖子一个问题)。谢谢你提前提供帮助。
背景：I正在绘制具有多个预测的历史数据，用于视觉准确性检查。当显示在“观察”的x轴上时，这是非常有效的。但是，当在x轴上绘制日期时，这些数据更容易理解，因此我使用ts()将其设置为时间序列，并按预期绘制时间序列数据。不过，(A)由于预测数据不是时间序列，所以没有在时间尺度上绘制；及(B)我不知道如何强迫x轴加1年，才能显示预测。
问题： (A)如何将原始时间戳恢复到预测数据？我知道我可以手动重新创建时间序列，但是在预测的每一次迭代中都需要这样做。我已经考虑过使用预报()而不是预测()，
浏览 4提问于2013-08-08得票数 2
回答已采纳
我是Python ARIMA实现的新手。我有一个数据在15分钟的频率为几个月。在我尝试遵循Box-Jenkins方法来拟合时间序列模型时。我在快要结束的时候遇到了一个问题。给出了时间序列(ts)和差序列(ts_diff)的。我使用ARIMA (5,1,2)，最后绘制了拟合值(绿色)和原始值(蓝色)。正如您可以从中看到的那样，值有一个明显的变化(按1)。我做错了什么？
预测是不是很糟糕？任何洞察力都会有所帮助。
浏览 3提问于2016-02-24得票数 9
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
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
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
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
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
1回答
我最近更新到了forecast()版本4.03，下面示例代码的最后一行(第4行)现在给出了一条错误消息(如底部所示)。请注意，第4行的forecast()将来自第3行的auto.arima()的输出提供给它(它工作时没有任何错误)。预测包中有什么变化吗？
此外，当使用以下代码将第3行中的zoo术语替换为ts术语时，错误消息将消失：
autarimod <- auto.arima(log(as.ts(zooinpdat))) ##New line 3
那么，forecast(auto.arima())组合是否不再接受zoo对象呢？如果是这样的话，有没有比as.ts()方法更好的处理方法
浏览 0提问于2013-04-17得票数 1
回答已采纳
2回答
我的目标:我想了解一个时间序列，一个强自回归序列(ACF和PACF输出告诉我)，并做出预测。
所以我所做的是首先将我的数据转换为ts，然后分解时间序列，检查其平稳性(该序列不是平稳的)。然后我进行了对数变换，找到了一个最适合数据的Arima模型-我用精度(X)检查了精度-我选择了精度输出最接近0的模型。
这是正确的程序吗？我是统计学和R的新手，如果这是不正确的，我希望得到一些批评。
在构建Arima模型时，我使用了以下代码：
ARIMA <- Arima(log(mydata2), order=c(2,1,2), list(order=c(0,1,1), period=12))
我收到的
浏览 3提问于2018-01-18得票数 1
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
MA模型可以用于预测吗？在时间序列分析中，我的ARIMA阶数为(0,1,7)，这表明它是一个MA模型，不幸的是，我的预测总是得到一条直线。只有前7个值是不同的，因为这里的滞后是7。在那个之后，它预测了相同的值.
我的问题是“是正常的，模型是预测那样的，或者有一个解决方案来克服这个问题。如果有人能帮忙，我将不胜感激。”
浏览 1提问于2021-07-30得票数 1
我在python中编写了一个代码来生成ARIMA模型的序列并确定它们的AIC值来比较them.The代码如下，
p=0
q=0
d=0
for p in range(5):
for d in range(1):
for q in range(4):
arima_mod=sm.tsa.ARIMA(df,(p,d,q)).fit()
print(arima_mod.params)
print arima_mod.aic()
我收到一条错误消息如下，
TypeError
浏览 5提问于2015-06-09得票数 1
回答已采纳
我有一个大约200行的mydata.ts。我使用静态测试，进行差异测试，并检查ACF和PACF。所以我决定以ARIMA(1,1,1)(0,1,1)为例。我应该使用哪个R函数来查找拟合值和预测？Arima、arima或auto.arima？我能相信summary(model)上的MAPE、MAD和其他错误结果吗？因为我读到了一个答案，它说结果不是真实的，而是近似的。
浏览 29提问于2016-07-27得票数 0
1回答
我尝试用Python使用statsmodel的arima函数进行时间序列预测，它给出了与r的arima函数不同的结果。我用了同样的超参数。
R版本：
fit <- arima(data[1:9000,3], order = c(3,0,3), seasonal = list(order = c(0,0,0)))
predd = forecast(fit,h=1000)
pred = cbind(data[9001:10000,3], predd$mean)
Python版本：
series = df[0:9000].copy()
model = ARIMA(series, order=(
浏览 3提问于2021-01-07得票数 0
回答已采纳
2回答
我正在做一个项目，我试图评估不同的ARIMA模型对股票价格的估计效果。我有一份全年股票价格的数据。假设我想使用(0,1,0) ARIMA模型中前100天的数据来预测第101天的价格。我该怎么做呢？我只知道如何引用整个数据集 fit <- auto.arima(data)
prediction <- forecast(fit,h=20) 这就给出了我使用全年数据对未来20天的估计。我的目标是将估计结果与实际数据进行比较。
浏览 23提问于2021-03-25得票数 0
回答已采纳
3回答
我有一个数据帧加载到R中，按组具有不同的值：
Group Value
A 50
A 2
A 55
B 41
B 60
B 102
C 24
C 60
C 2
D 6
D 9
D 20
E 1
E 23
E 19
我正在使用拆分函数按组拆分数据：
mylist <- split(mydata, mydata$Group)
mylist
然后，我创建了一个auto.arima函数，当我在一个单独的组上运行它时，它可以工作并返回ARIMA输出(该组已经作为单独的数据帧加载到R
浏览 1提问于2017-12-24得票数 0
1回答
我正在尝试使用statsmodel来实现ARIMA模型。对于我的预测，我得到了非常不寻常的结果，并希望得到解决这个问题的建议。
arima = tsa.ARIMA(train[endogenous], exog=train.drop(endogenous,axis=1), order=(2,2,0),freq='B')
results = arima.fit()
prediction = results.predict(start=1,end=len(x)-1,exog=x.drop(endogenous,axis=1))
我的实际数据集是这样的
2012-01-05 6
浏览 4提问于2013-11-28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
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
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
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
我正在尝试使用Python拟合ARIMA模型。它有两列。第一个日期和第二个确认的订单。以下是数据文件中的前几行( 2020年3月14日至2020年4月14日确认订单的每日数据)：
只要差分次数(d)为2或更少，我的代码就能正常工作。如果为d>2，则会出现错误“raise ValueError(不支持d>2”)。
下面是我使用的代码：
import numpy as np
import pandas as pd
from matplotlib import pyplot as plt
from statsmodels.tsa.stattools import adfulle
浏览 2提问于2020-06-07得票数 0
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
2回答
这里有点新，但正在尝试使用统计模型ARMA预测工具。我从雅虎导入了一些股票数据，并让ARMA给我提供了合适的参数。然而，当我使用预测代码时，我收到的所有错误列表似乎都是我无法找出的。不太确定我在这里做错了什么：
import pandas
import statsmodels.tsa.api as tsa
from pandas.io.data import DataReader
start = pandas.datetime(2013,1,1)
end = pandas.datetime.today()
data = DataReader('GOOG','yaho
浏览 1提问于2013-03-20得票数 6
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
阿里玛训练超慢
、、、
我正在24 CPU 200+GB RAM云服务器上的20000元素数据集上拟合ARIMA模型(从状态模型)到现在超过24小时。它装载了所有的CPU。但花了这么长时间.它是怎么工作的还是这里出了什么问题？
p，d，q只是数
from statsmodels.tsa.arima_model import ARIMA
for t in range(len(test)):
model = ARIMA(history, order=(p, d, q))
model_fit = model.fit(disp=1)
output = model_fit.forecast()
浏览 0提问于2021-01-23得票数 4
回答已采纳
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
请有人帮我如何让auto.arima在我的r中工作，我应该下载什么包？我试着下载auto.arima包，但它是不可用的。
浏览 4提问于2013-10-11得票数 0
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
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
云直播活动推荐
腾讯云开发者
