arima相关内容
我会使用(StatsModels)ARIMA来预测序列中的值: plt.plot(ind, final_results.predict(start=0 ,end=26)) plt.plot(ind, forecast.values) plt.show() 我以为我会从这两个图中得到相同的结果,但结果却是这样的: 我想知道问题是关于预测还是预测 推荐答案 从图表上看,您似
..
我使用了以下代码: 从statsmods.tsa.arima_model导入ARIMA model=ARIMA(ts_log,order=(2,1,0)) 出现此错误: 回溯(最近一次调用): 文件“”,第1行,位于 model=ARIMA(ts_log,order=(2,1,0)) 文件“C:UsersAprilAnaconda3libsite-packagesstat
..
假设我有两个时间序列{x}和{y},并且想要检查{y}的当前实现如何依赖于{x}的当前实现和过去实现以及{y}的过去实现。为此,我可以运行包含{x}和{y}的p滞后的VAR(P)模型。然而,我想假设{x}是外生的,所以我想运行ARIMAX模型会更好,即具有一个或多个外生变量的ARIMA模型。 为了估计R中的ARIMAX模型,我可以使用TSA包中的函数arimax()(https://www.
..
我是使用 SARIMA 模型的时间序列的新手,我按照教程构建模型并尝试预测未来趋势.事情一开始很顺利,但是当产生结果时,它显示了斜率直线.我在 Jupyter NoteBook 上构建它 首先我检查了我的数据,并直观地制作了数据,但实际上,似乎数据正确,然后我尝试更改 P、D、Q 的值,但又失败了 https://github.com/Dongmingguoguo/Prediciton
..
我想用 arima.sim() 模拟 ARIMA(1,0,0) 100 次,然后用 auto.arima() 函数用于每次模拟完成.我希望程序打印每次获取ARIMA 的顺序. reslt = c()数量 以上是我尝试过但没有结果. 我想要的是将一系列ARIMA(p, d, q) 打印成10次 解决方案 这样做: library(forecast)nsim
..
我一直在尝试同时使用 aTSA 和 Forecast 包,并注意到 Arima() 函数可以工作,但 forecast() 会出错.有没有人对此有解决方案或遇到过这种情况?我特别想使用 aTSA 中的 Fixed.test(),这是我调用该库的主要原因. 错误:预测(.)错误:'object'应该是'Arima'或'estimate'类从arima()或estimate()估计 一旦我
..
如何根据 arima 模型 sarimax 函数计算标准化残差? 假设我们有一些基本模型: 将pandas导入为pd将 numpy 导入为 np导入 matplotlib.pyplot 作为 plt将 seaborn 作为 sns 导入sns.set(style='ticks', context='poster')从 statsmodels.tsa.statespace.sarimax 导
..
我正在用 18000 行数据和 6 个参数在 python 中研究时间序列 VARMAX 模型.在拟合 VARMAX 模型时反复显示“领先的小调不是正定的"或“矩阵不是正定的".有人可以帮助识别问题吗? 解决方案 该错误表明您的变量之间存在线性相关性.您可以使用相关矩阵 df.corr() 和/或 PCA 调查这些线性关系.
..
我尝试以比实际更快的速度获得 ARIMA 配置. 所以我使用 Iterate 方法来比较所有 ARIMA 组合以更好地选择.为此,我创建了一个迭代函数: 定义差异(数据集,间隔=1):差异=列表()对于范围内的 i(间隔,len(数据集)):值 = 数据集[i] - 数据集[i - 区间]diff.append(value)返回 np.array(diff)# 反转差值def invers
..
我试图在回归中引入一个变量的滞后值,然后在新的变量集合上使用 arima 模型.例如,我正在尝试使用死亡率对温度和污染颗粒水平的回归来模拟死亡率、温度和污染颗粒水平之间的关系.然后,引入 4 周前粒子水平的滞后变量.代码如下: temp = tempr-mean(tempr)ded = ts.intersect(cmort, Trend=time(cmort), temp, temp2=temp
..
我正在尝试“模糊"使用 SARIMA 模型预测时间序列 我的训练集是prices_train,模型构建如下: model_order = (0, 1, 1)model_seasonal_order = (2, 1, 1, 24)模型 = sm.tsa.statespace.SARIMAX(价格火车,订单=模型订单,season_order=model_seasonal_order)mode
..
信号看起来是这样 原始信号 使用plot(output.diff())得到的差分信号是这样的 差分信号 接下来通过分析ACF和PACF得到ARIMA模型的参数 模型拟合如下 model = ARIMA(output.values, order=(2,1,1)) model_fit = model.fit(disp=0) 当我使用 model_f
..
我正在尝试使用 ARIMA 对 R 中的股票价格进行预测.我正在使用 auto.arima 函数来拟合我的模型.每次我尝试这样做时,我都会得到相同的预测值.我尝试使用不同的股票,但在每种情况下都会发生同样的事情.在这里,我尝试预测苹果价格: arimapple
..
我有这个数据,它是从预测值和观察中获得的残差序列.原始系列是随机游走,漂移非常小(平均值 = 0.0025). ERR< - TS(c(0.6100,1.3500,1.0300,0.9600,1.1100,0.8350,0.8800,1.0600,1.3800,1.6200,1.5800,1.2800,1.3000,1.4300,2.1500,1.9100,1.8300,1.9500,
..
我有一个由 2775 个元素组成的数据系列: 均值(系列)[1] 21.24862长度(系列)[1] 2775最大(系列)[1] 81.22分钟(系列)[1] 9.192 我想通过使用forecast包的函数auto.arima来获得最好的ARIMA模型: 库(预测)fit=auto.arima(荷兰,逐步= F,近似= F) 但是我遇到了一个大问题:RStudio 运行了一个半小时没有结
..
我想估计 ARIMA 模型的参数.我使用 arima 函数在 python 中执行此操作.现在,我想消除不显着的滞后.例如,我只想要滞后 1 和 3.但按顺序我只能给出总滞后.(因此,如果我说 p=3,那么我会得到滞后 1、2 和 3)我该如何解决这个问题? model = ARIMA(R_bel, order=(3,0,1))model_fit = model.fit(disp=0)打印(mo
..
我正在尝试使用 statsmodels 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,当我预测下一个数据折叠(具有真实值 Y_test)时,我得到了一个恒定的预测: if is_arima:Y_train = Y_train.astype(float)# 构建基本的 ARIMA 模型arima_model = ARIMA
..
我正在使用 ARIMA(0,1,0) 进行(样本外)预测. 在 python 的 statsmodels 最新稳定版本 0.12 中.我计算: 导入 statsmodels.tsa.arima_model 作为统计信息时间序列 = [2, 3.0, 5, 7, 9, 11, 13, 17, 19]步骤 = 4阿尔法 = 0.05模型 = stats.ARIMA(time_series, o
..
这个解决方案 将种子自动化为向量而不是 R 中的整数 库(预测)SEED_vector
..
df Col1 Col2 Col312 10 33 5 2100 12 10 等等...... 为时间序列中的 ARIMA 建模编写更完整的测试的代码.(将为数据框 df 的所有列计算 p 值) 导入 statsmodels.tsa.stattools 作为 tsaadf_results = {}对于 df.columns.values 中的 col:adf_results[col]
..