这是一步预测或预测的标准属性。
用于预测的信息是截至上一期的历史记录。例如,某一时期的高峰将影响下一时期的预测,但不能影响高峰时期的预测。这使得预测在图中呈现出偏移。
两步预测会给人以向后偏移两个周期的印象。
这个页面可能会提供更详细的解释(如果你想了解整个ARIMA模型拟合过程的处理,请确保点击并探索其他页面)。
希望这能帮到你(或者至少让你对这个转变放心)!
祝一切顺利,
Evert
确认一下,我现在是正确地做着这件事吗?这里是我使用的代码。
from statsmodels.tsa.arima_model import ARIMA
model = sm.tsa.ARIMA(ts, order=(5, 1, 2))
model = model.fit()
results_ARIMA=model.predict(typ='levels')
concatenated = pd.concat([ts, results_ARIMA], axis=1, keys=['original', 'predicted'])
concatenated.head(10)
original predicted
login_time
1970-01-01 20:00:00 2 NaN
1970-01-01 20:15:00 6 2.000186
1970-01-01 20:30:00 9 4.552971
1970-01-01 20:45:00 7 7.118973
1970-01-01 21:00:00 1 7.099769
1970-01-01 21:15:00 4 3.624975
1970-01-01 21:30:00 0 3.867454
1970-01-01 21:45:00 4 1.618120
1970-01-01 22:00:00 9 2.997275
1970-01-01 22:15:00 8 6.300015