python-3.x - 如何在库 pmdarima 中使用带有 pipeline.fit() 的外生变量？

Question

我目前正在使用该库构建 ARIMAX 模型pmdarima：

pmdarima.pipeline.Pipeline.fit(y, exogenous=None, **fit_kwargs)

参数说明：

外生：类数组，形状=[n_obs，n_vars]，可选（默认=无）

一个可选的二维外生变量数组。如果提供，这些变量将用作回归操作中的附加特征。这不应包括常数或趋势。请注意，如果 ARIMA 适合外生特征，则必须为其提供外生特征以进行预测。

但我不明白这种格式是什么意思：shape=[n_obs, n_vars]？

n_obs和的含义是n_vars什么？

为什么我们需要这种格式而不是时间序列格式的外生变量？

Answer 1

泰勒史密斯先生给我发了一封电子邮件：

外生变量或协变量在大多数 ML 算法中呈现为二维矩阵，我相信您知道。沿行轴是观察值，沿列轴是变量或特征向量（因此n_samplesx n_features）。您所询问的约定是 Numpy 和 scikit-learn 用于表示类似数组的对象的形状的约定（例如，参见 scikit-learn 套索的文档）。shape=[n_obs, n_vars]简单地表示一个二维矩阵，样本沿行，变量沿列。

至于你为什么不能使用时间序列的问题......你的y变量应该是一个时间序列（实际上只是一个向量，或一维数组），因为这就是你要预测的。这是唯一需要的数据。外生变量纯粹是可选的补充数据。