警告：未提供频率信息，因此将使用推断的频率MS

Question

我尝试使用sm.tsa.statespace.SARIMAX进行自回归拟合。但是我遇到了一个警告，然后我想为这个模型设置频率信息。 曾经遇到过这种情况的人，你能帮助我吗？

fit1 = sm.tsa.statespace.SARIMAX(train.Demand, order=(1, 0, 0), 
                            enforce_stationarity=False,
                            enforce_invertibility=False).fit()
y_hat['AR'] = fit1.predict(start="1975-01-01", end="1975-12-01", dynamic=True)
plt.figure(figsize=(16,8))
plt.plot( train['Demand'], label='Train')
plt.plot(test['Demand'], label='Test')
plt.plot(y_hat_avg['AR'], label='AR')
plt.legend(loc='best')
plt.show()

C:\Users\thach.le\Anaconda3\lib\site-packages\statsmodels-0.8.0-py3.6-win- 
amd64.egg\statsmodels\tsa\base\tsa_model.py:165: ValueWarning: No frequency 
information was provided, so inferred frequency MS will be used.
% freq, ValueWarning)

谢谢

- Lê Ngọc Thạch

---

这个问题也可以打上[pandas]标签，因为只有在将一个日期时间索引的pandas DataFrame发送到statsmodels函数时才会出现错误。 - Corey

只需将其关闭from statsmodels.tools.sm_exceptions import ValueWarning warnings.simplefilter('ignore', ValueWarning) - ooolllooo

Answer 1

如果您的数据确实是周期性的，并且时间序列中没有间隙，那么 pandas 可以推断出频率。

如果推断出的频率看起来正确，可以按照 Set pandas.tseries.index.DatetimeIndex.freq with inferred_freq 中的答案使用它。

例如：

train.index = pd.DatetimeIndex(train.index.values,
                               freq=train.index.inferred_freq)
fit1 = sm.tsa.statespace.SARIMAX(...)

请注意，如果您的数据不是真正的周期性，那么这仍然可能会给出一个频率为None的DatetimeIndex。

例如，如果您有每天的数据但缺少一天，那么inferred_freq将为None，尝试传递freq="D"将引发一个ValueError异常。在这种情况下，尝试构建您的DataFrame，使所有日期都存在，并且您要预测的列中的值在这些日期上为None。然后，您可以在您的ARIMA模型中使用missing="drop"（或其他任何选项）。

- Corey

---

有没有不这样做的理由train.index.freq = train.index.inferred_freq？算了，我在链接的问题中找到了答案。 - Andreas Mueller