from statsmodels.tsa.arima_model import ARIMA
# Fit model
model = ARIMA(y_train, order=( 1,1,1)) #自己调整参数
model_fit = model.fit()

解决办法:

(说明:因为之前那个被python抛弃了,说是换成更好的所有得直接从statsmodels.tsa.arima.model导入ARIMA包)

from statsmodels.tsa.arima.model import ARIMA
# Fit model
model = ARIMA(y_train, order=(1 ,1,1))
model_fit = model.fit()

或者

import statsmodels.api as sm
model_fit = sm.tsa.ARIMA(y_train, order=(1,1,1)).fit()

两种方法都是一样的效果,都能解决该问题

但我修改好,又遇到了第二个问题:

# Prediction with ARIMA
y_pred,pr,ens= model_fit.forecast(len(y_valid))

发现我回参变量值给多了,删除pr,ens即可

# Prediction with ARIMA
y_pred= model_fit.forecast(len(y_valid))

以上报错全部解决!

时间序列分析中的 statsmodels.tsa.arima_model被抛弃了,如何解决?相关推荐

  1. 时间序列分析中统计模型statsmodels.tsa.arima_model

    (10条消息) 时间序列分析中的 statsmodels.tsa.arima_model被抛弃了,如何解决?_-berry的博客-CSDN博客 """ 根据某个期货的收盘 ...

  2. 时间序列分析中的自相关

    什么是自相关以及为什么它在时间序列分析中是有用的. 在时间序列分析中,我们经常通过对过去的理解来预测未来.为了使这个过程成功,我们必须彻底了解我们的时间序列,找到这个时间序列中包含的信息. 自相关就是 ...

  3. 如何深入理解时间序列分析中的平稳性?

    来自 :http://www.zhihu.com/question/21982358 在引入ARMA模型之前,一般课本都会对时间序列的平稳性作一个描述,但是总感觉没有描述特别清晰: 1. 通常时间序列 ...

  4. 时序预测构建ARIMA模型时报错:NotImplementedError: statsmodels.tsa.arima_model.ARMA and statsmodels.tsa.arima_

    在我时序预测构建ARIMA模型时出现报错: NotImplementedError: statsmodels.tsa.arima_model.ARMA and statsmodels.tsa.arim ...

  5. matlab 牛顿向后差分,Matlab在时间序列分析中的应用--笔记

    <Matlab在时间序列分析中的应用--笔记>由会员分享,可在线阅读,更多相关<Matlab在时间序列分析中的应用--笔记(12页珍藏版)>请在人人文库网上搜索. 1.MATL ...

  6. 时间序列分析中的ARMA,ARIMA,ARC…

    Source:http://www.morefund.com/a/duichongshidian/2011/0422/327.html 在时间序列分析中,AR,MA,ARMA,ARIMA,ARCH,G ...

  7. 时间序列分析中 5 个必须了解的术语和概念

    时间序列是按时间排序的一系列观察或测量. 在谈论时间序列时,首先想到通常是股票价格. 其实时间序列无处不在,一个地理位置的年降雨量.超市产品的日销售额.工厂的月耗电量.化学过程的每小时测量值都是时间序 ...

  8. 成功解决Not Implemented Error: statsmodels.tsa.arima_model. ARMA and statsmodels.tsa.arima_model. ARIMA

    成功解决Not Implemented Error: statsmodels.tsa.arima_model. ARMA and statsmodels.tsa.arima_model. ARIMA ...

  9. pta求阶乘序列前n项和_python在时间序列分析中的简介

    1 时间序列分析简介 时间序列是指将同一统计指标的数值按其发生的时间先后顺序排列而成的数列. 时间序列分析的主要目的是根据已有的历史数据对未来进行预测.与面板数据不同,面板数据侧重于同一时间点不同样本 ...

最新文章

  1. Discuz!常用函数解析(续)
  2. 思科PIX防火墙的实际应用配置
  3. WCF 4.0 进阶系列 – 第十二章 实现单向操作和异步操作(下)
  4. nginx+uWSGI + django部署项目
  5. Hadoop框架:MapReduce基本原理和入门案例
  6. 柒上支付个人免签支付系统源码
  7. 集成LNMP/LAMP/FAMP的LuNamp2.1正式版开源发布
  8. Unity3d暴风魔镜发布ios问题记录
  9. C程序设计语言现代方法14:预处理器
  10. java并发编程(1)--线程 可见性 volatile怎么用
  11. javascript 学习指南--语法
  12. Oracle开发实战经典教程(教学视频)
  13. durpal是否支持php7,php – 无法在drupal 7中添加图像字段
  14. How to do video broadcast using multicast group?
  15. 基于语音的疲劳度检测算法研究
  16. 【思特奇杯·云上蓝桥·算法集训营】第四周
  17. 掘金100道(2)['1', '2', '3'].map(parseInt) what why ?
  18. vba返回excel中所有菜单命令栏CommandBar的名称
  19. itext pdf 加页眉和页脚加页数(二)
  20. Elastic认证特训营 难点解读04——集群问题排查实战指南

热门文章

  1. 多小波分解2-D图像
  2. 初学XML,xmlns的含义
  3. 图的深度优先算法和广度优先算法
  4. C++ Primer Plus (第六版)编程练习记录(chapter10 对象和类)
  5. 不用库函数实现计算tan函数
  6. 第十一届蓝桥杯省赛完整解析(Java 大学B组)
  7. TikTok带货爆单:彩色人造玫瑰周增长率飙升,TikTok热卖榜前10?
  8. 两年嵌入式总结--面试
  9. python爬虫:案例三:去哪儿酒店价格信息
  10. C++函数 【鸡】 坤坤带你拿下