我正在尝试使用ARIMA模型预测每周销售额。在statsmodels中,我找不到调整(p,d,q)顺序的函数。目前,R语言有一个名为forecast::auto.arima()的函数可以调整(p,d,q)参数。 我该如何选择合适的模型顺序?是否有Python库可供此目的使用?
我正在处理一个多元(100+变量)多步骤(t1到t30)的预测问题,时间序列频率为每1分钟。这个问题要求预测100+个变量中的一个作为目标。我想知道是否可以使用FB Prophet的Python API来解决这个问题。我已经能够以单变量方式使用目标变量和日期时间变量。非常感谢任何帮助和指导。如...
我一直在尝试使用Python中的Holt-Winters算法实现进行时间序列预测,但遇到了障碍...基本上,对于某些(正)输入系列,它有时会预测负数,这显然不应该是这种情况。即使预测结果不是负数,它们有时也非常不准确——比它们应该高/低几个数量级。增加算法所需的数据周期似乎没有帮助,事实上通常...
我有许多数据集,其中包含已知的异常值(大额订单)。data <- matrix(c("08Q1","08Q2","08Q3","08Q4","09Q1","09Q2","09Q3","09Q4","10Q1","10Q2","10Q3","10Q4","11Q1","11Q2","11Q...
我尝试使用霍尔特-温特斯模型进行预测,但我得到的预测结果与我的期望不一致。我还展示了绘图可视化。Train = Airline[:130] Test = Airline[129:] from statsmodels.tsa.holtwinters import Holt y_hat_avg...
我做了一个简单的时间序列,给正弦函数添加了一点噪声,并尝试使用R中的“stl”和“decompose”函数对其进行分解。尽管我的序列明显具有多个周期且是周期性的,但这两个函数都给出了以下错误:x [1] 1.4537365796 2.7185844368 2.8394728999 ...
我正在使用Python进行时间序列的处理。我找到了以下几个有用且很有前途的库: pandas; statsmodels (用于ARIMA模型); pandas提供简单的指数平滑。 还有可视化方面的matplotlib。 是否有人知道提供指数平滑的库?
我正在努力向自己解释将ARIMA模型应用于时间序列数据集的预测结果。数据来自M1-Competition,系列是MNB65。我正在尝试将数据拟合到ARIMA(1,0,0)模型并获取预测结果。我正在使用R语言。这里是一些输出片段:> arima(x, order = c(1,0,0)) S...
我正在使用statsmodels拟合ARMA模型。import statsmodels.api as sm arma = sm.tsa.ARMA(data, order =(4,4)); results = arma.fit( full_output=False, disp=0); 其中...
我有很多时间序列(零售数据),我想为它们所有做出预测。 例如,让我们来看看其中一个: x <- c(1774, 1706, 1288, 1276, 2350, 1821, 1712, 1654, 1680, 1451, 1275, 2140, 1747, 1749, 1770,...