Auto ARIMA 逐个时间点预测
安装方法
pip install statsmodels
使用方法
import pandas as pd
import numpy as np
import pmdarima as pm
from statsmodels.tsa.arima_model import ARIMA
from tqdm import tqdmdef auto_arima_model(train_df, test_df, column_name):autoModel = pm.auto_arima(train_df.loc[:, column_name], trace=True, error_action='ignore', suppress_warnings=True,seasonal=False)autoModel.fit(train_df.loc[:, column_name])order = autoModel.orderpredict = list()all_df = pd.concat([train_df, test_df])# 这里逐个值预测,用过去的值预测下一天的值,然后再用下一天的真实值预测下下一天的值,动态地调整训练集for t in tqdm(range(len(test_df.loc[:, column_name]))):temp_train = all_df[:len(train_df) + t]temp_train: pd.DataFrame = temp_train.astype('int64') # 必要!根据实际数据修改为自己的数据类型!model = ARIMA(np.asarray(temp_train.loc[:, column_name]), order=order)model_fit = model.fit(disp=False)predictions = model_fit.predict(start=len(temp_train), end=len(temp_train), dynamic=False)predict = predict + [predictions]predict = pd.DataFrame(predict)return predictif __name__ == '__main__':time_df = pd.DataFrame(np.random.randint(0, 10, size=(365, 1)), columns=['data'],index=pd.date_range('2021-01-01', periods=365, freq='D'))# 把1.1至10.31当做训练集,11.1至12.30当做测试集train = time_df.truncate(after='2021-10-31').iloc[:, 0]test = time_df.truncate(before='2021-11-01').iloc[:, 0]predict = auto_arima_model(pd.DataFrame(train), pd.DataFrame(test), train.name)
Auto ARIMA 逐个时间点预测相关推荐
- 独家 | 利用Auto ARIMA构建高性能时间序列模型(附Python和R代码)
作者:AISHWARYA SINGH 翻译:陈之炎 校对:丁楠雅 本文共3400字,建议阅读10+分钟. 本文介绍了ARIMA的概念,并带你用Python和R训练一个数据集实现它. 简介 想象你现在有 ...
- Python数据分析案例-分别使用时间序列ARIMA、SARIMAX模型与Auto ARIMA预测国内汽车月销量
1. 前言 模型: ARIMA模型(英语:Autoregressive Integrated Moving Average model),差分整合移动平均自回归模型,又称整合移动平均自回归模型(移动也 ...
- Python通过ARIMA模型进行时间序列分析预测
ARIMA模型预测 时间序列分析预测就是在已有的和时间有关的数据序列的基础上构建其数据模型并预测其未来的数据,例如航空公司的一年内每日乘客数量.某个地区的人流量,这些数据往往具有周期性的规律.如下图所 ...
- 基于R语言的时间序列分析预测
数据来源: R语言自带 Nile 数据集(尼罗河流量) 分析工具:R-3.5.0 & Rstudio-1.1.453 #清理环境,加载包 rm(list=ls()) library(forec ...
- 机器学习-预测之时间序列分析预测法原理及实战
时间序列分析预测法 简介 在之前,写了不少关于分类的算法,其中有传统机器学习算法如KNN.SVM,也有深度学习领域的算法如多层感知机,但是可以发现这里的算法核心思路都没有变化,利用一部分已有标签的数据 ...
- R forcast auto arima用法
http://stackoverflow.com/questions/8960517/how-to-calling-auto-arima-function-of-r-in-java-and-store ...
- 【视频】Python和R语言使用指数加权平均(EWMA),ARIMA自回归移动平均模型预测时间序列...
原文链接:http://tecdat.cn/?p=21773 时间序列(从现在起称为TS)被认为是数据科学领域中鲜为人知的技能之一(点击文末"阅读原文"获取完整代码数据). 视频: ...
- arima 公式_时间序列预测之--ARIMA模型
什么是 ARIMA模型 ARIMA模型的全称叫做自回归移动平均模型,全称是(ARIMA, Autoregressive Integrated Moving Average Model).也记作ARIM ...
- lstm timestep一般是多少_用LSTM中的不同时间步长预测使用keras
我正在使用keras预测LSTM的时间序列,并且我意识到我们可以使用与我们用来训练的时间步不同的数据来预测.例如:用LSTM中的不同时间步长预测使用keras import numpy as np i ...
最新文章
- 英特尔未来教育核心课程
- CentoS 下安装gitlab
- 用二项逻辑斯蒂回归解决二分类问题
- Debian的GRUB开机画面和好看的命令行
- 历数2013年优秀的开源游戏引擎与开源游戏项目
- 我是如何用10行代码搬运目标图片的?
- 时间复杂度o(n^0.5)_算法基础1.1:算法复杂度计算(二)
- Linux网络协议栈(一)——Socket入门(2)
- ASP.NET Core性能改进【转载】
- python docx 表格样式修改 Package not found at ‘*.docx‘; “no style with name ‘Table Grid‘“
- 【优化算法】粒子群优化算法简介
- PyVistaVTK Data Model
- 日语简体形与敬体形 - 新版标日22课
- android 微博 登录,Android第三方登录之微博登录
- android edittext numberdecimal,android – 如何在“手机”软键盘上使用InputType = numberDecimal?...
- iMessage群发,苹果群发技术开源
- 公布C#写的网游外挂源代码
- 遥感领域多模态综述论文翻译
- Intel MediaSDK sample_decode 官方GPU解码流程学习(二) - 在双显卡机器上实现DirectX11 D3D11和OpenCL共享资源
- 问题:启动tomcat报找不到JAVA_HOME或者JRE_HOME环境变量的问题
热门文章
- vue使用dialog关闭前调用_element-ui的dialog如何关闭自身?
- sql server 2008 每次都要use_这个方法选的都是强势股,短线操作,快进快出,不恋战,建议收藏...
- Linux disk 100% busy,谁造成的?
- TensorFlow基本原理,入门教程网址
- 11.LNMP基础架构
- Swift - 将DaSwift-Data数据转换为[UInt8](bytes字节数组)
- Linux下vsftpd基本配置和虚拟用户设置的安全方法
- Java学习笔记----线程
- Sphinx以及coreseek的安装及使用
- ffmpeg 推流同时录像命令_ffmpeg推流命令