使用Holt-winters、ARIMA、指数平滑等方法在Python中预测时间序列值。

Question

例如，如果我有以下时间序列：

x = [1999, 2000, 2001, ... , 2015]
annual_sales = [10000000, 1500000, 1800000, ... , 2800000]

我该如何使用Python中的Holt-Winters方法预测2016年的销售额？

- akaii

Answer 1

您可以使用Statsmodels.tsa中的ExponentialSmoothing进行如下操作：

import pandas as pd
import statsmodels.tsa.holtwinters as hw    

d = {'Year':x, 'Sales':annual_sales}
sales_df = pd.DataFrame(d)
sales_df['Year] = pd.to_datetime(sales_df['Year])
sales_df.set_index('Year', inplace=True)

model = hw.ExponentialSmoothing(sales_df).fit()

一旦模型生成，您可以使用predict()方法。

然而，似乎只有最新版本的statsmodels才支持这一功能。请参见此处。在我的Windows 10 Anaconda Python 3.6环境下，我使用的是0.9.0版本的statsmodels，在该版本中此功能可用。

- Neelotpal Shukla

---

不要仅仅提供一个解决方案的链接，应该在回答正文中解释解决方案。 - Grant Miller