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.arima_model.ARIMA have
been removed in favor of statsmodels.tsa.arima.model.ARIMA (note the .
between arima and model) and statsmodels.tsa.SARIMAX.
statsmodels.tsa.arima.model.ARIMA makes use of the statespace framework and
is both well tested and maintained. It also offers alternative specialized
parameter estimators.
报错大致意思是:
statsmodels.tsa.arima_model.ARMA和statsmodels.tsa.arima_model.ARIMA已被删除,取而代之的是statsmodels.tsa.arima.model.ARIMA(注意。在arima和model之间)和statsmodels.tsa.SARIMAX.statsmodels.tsa.arima.model.ARIMA使用了statespace框架,并且经过了良好的测试和维护。它还提供了替代的专用参数估计器。
具体截图如下:
具体解决办法:
后来查阅资料才知道这是因为statsmodels.tsa.arima_model.ARMA 和statsmodels.tsa.arima_model.ARIMA已经被弃用
,所以将这个from
statsmodels.tsa.arima_model import ARIMA,改为from statsmodels.tsa.arima.model import ARIMA
,同时order要设置对应p,d,q参数才能解决问题。
报错时候的源代码:
#ARIMA模型
from statsmodels.tsa.arima_model import ARIMA
kt_ARIMA = ARIMA(data7[‘AirPassengers’] order=(5,1,0)).fit()
print(kt_ARIMA.summary())
改过之后的代码:
#ARIMA模型
from statsmodels.tsa.arima.model import ARIMA
kt_ARIMA=ARIMA(data7['AirPassengers'],order=(5,1,0)).fit()
print(kt_ARIMA.summary())
成功解决问题(警告信息可以忽略):
时序预测构建ARIMA模型时报错:NotImplementedError: statsmodels.tsa.arima_model.ARMA and statsmodels.tsa.arima_相关推荐
- 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 ...
- statsmodels.tsa.arima_model.ARMA and statsmodels.tsa.arima_model.ARIMA have been removed in favor of
这种使用方法已经弃用了,改成下面即可 import statsmodels.api as sm model = sm.tsa.arima.ARIMA(train_data, order=(1,1,1) ...
- 构建ARIMA模型对数据进行预测的案例(尺度5min)
需求: 构建ARIMA(p,d,q)模型首先根据时间序列的折线图对序列进行初步的平稳性判断,并采用ADF单位根对序列的平稳性进行检验,对非平稳的时间序列,进行差分处理,直至成为平稳序列,差分的次数即为 ...
- 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 ...
- 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 ...
- pytorch保存模型时报错***object has no attribute 'state_dict'
定义了一个类BaseNet并实例化该类: net=BaseNet() 保存net时报错object has no attribute 'state_dict' torch.save(net.state ...
- arima模型预测 matlab,ARIMA模型预测问题
该楼层疑似违规已被系统折叠 隐藏此楼查看此楼 y=[301.125 461.90625 647.25 458.71875 192.1875 168.5625 69.75 74.71875 47.062 ...
- opencv打开pb_NSFW-Score: OpenCV读取pb转化的ONNX模型时报错
opencv-python-headless==4.5.1.48 报错 `[ERROR:0] global /tmp/pip-req-build-_a0ur5ao/opencv/modules/dnn ...
- PYTORCH保存模型时报错AttributeError: Can‘t pickle local object ‘Stage.__init__.<locals>.<lambda>‘
解决方法: 点开报错的代码位置,将代码里面的import pickle改成import dill as pickle
最新文章
- 开发你的第一个 Android 应用
- 仓库无证如何处罚_个体户食品超范围经营如何处罚?(公司法公司类型个体经营)...
- android os一直唤醒,Android保持屏幕常亮唤醒状态
- 第 6 章 Distributed File Systems
- 纪中A组模拟赛总结(2021.7.13)
- Objective-C语言的动态性
- oc76--NSMutableDictionary
- 跨域-(jsonp cors)
- python扫雷算法_python实战教程之自动扫雷(自己存下来学习之用)
- node.js 与 nvm安装教程
- 伴你装系统系列(上篇):Windows10
- 浅谈2020年国内第三方支付平台安全性
- 浅谈摄像机视角和焦距
- 《服务外包概论》知识点梳理
- 苹果春季发布会前瞻:全新 iPhone SE 3 将揭晓,M2芯片来袭?
- Linux使用scp在服务器之间远程传输复制文件和文件夹
- Aspose.Slides使用教程:使用 C++ 访问或修改 PowerPoint 文件的属性
- 调用方法[manageApp]时发生异常 java.lang.IllegalStateException: 启动子级时出错
- 2013年蓝桥杯题目与解答
- linux的多重启动管理器,使用多重启动管理器GRUB引导Linux系统.pdf