问题描述：CPU利用率预测。
方法：使用时间序列算法。
第 1 步：我从 Elasticsearch 收集了 1000 个观察结果并在 Python 上导出。
第2步：绘制数据并检查数据是否静止。
第 3 步：使用 log 将数据转换为固定形式。
第4步：完成DF测试，ACF和PACF。
第 5 步：构建ARIMA(3,0,2)模型。
第 6 步：预测。
我建立了一个ARIMA (3,0,2)时间序列模型，但无法找到模型的准确性。是否有任何命令可以让我们检查 Python 中模型的准确性？
您能否建议我的方法是否正确以及如何在 Python 中找到模型的准确性？
方法正确与否——
我希望你能从 ACF 和 PACF 中找到最佳的 P、Q 值。python中有github代码可以做类似Auto Arima（自动找到最佳参数）的事情，所以你不必担心P，q值。基本上，一个模型的 BIC 最小的 P,Q 值。
Pyhton 代码-
有用于评估线性模型的三个主要指标。它们是：平均绝对误差 (MAE)、均方误差 (MSE) 或均方根误差 (RMSE)。
MAE：最容易理解的。代表平均误差
MSE：与 MAE 类似，但噪声被夸大，更大的错误被“惩罚”。它比 MAE 更难解释，因为它不在基本单位中，但是，它通常更受欢迎。
RMSE：最流行的度量，类似于 MSE，但是，结果是平方根的，以使其更易于解释，因为它是基本单位。建议将 RMSE 用作解释模型的主要指标。
下面，您可以看到如何计算每个指标。所有这些都需要两个列表作为参数，一个是您的预测值，另一个是真实值-
我一直在对此进行一些研究，不幸的是，我在 python 中找不到score与此相关的函数。statsmodels我建议按照之前帖子的回答推荐访问此站点。
此外，正如答案中所述，“statsmodels 确实具有连续因变量的性能度量”。
希望一些极客会找到并回答，如果我发现任何关于此的内容，我一定会将其发布到社区。