我对如何使用 ARIMA 进行预测/预测感到非常困惑。
假设我们有一个名为的系列y_orig
,我们分为y_train
和y_test
。假设它y_orig
不是静止的,我们可以使用下面的代码拟合 ARIMA
# fit ARIMA model
from statsmodels.tsa.arima_model import ARIMA
model = ARIMA(y_train, order=(2,1,2))
model_fit = model.fit(disp=0)
print(model_fit.summary())
拟合模型后,我们可以使用下面的代码进行预测
n_periods = len(`y_test`)
fc, -, - = model_fit.forecast(n_periods, alpha=0.05) # 95% conf
该值fc
应该给出一个预测,然后我与之比较y_test
。请注意,正如预期的那样,y_test
在训练阶段不使用。另请注意,我不是在寻找滚动预测,而是在寻找参数(一旦训练)固定的长期预测。
我很困惑,因为y_test
在预测阶段根本没有使用。
例如,如果我们要使用其他预测模型(如 Keras 或 tensorflow)。我们会这样编码。
首先,我们将模型拟合到我没有展示的训练阶段——这对我的问题无关紧要。in sample
然后我们使用下面的代码预测并查看我们的拟合程度。
y_pred_train=model.predict(y_train)
然后我们测试模型out of sample
如下:
y_pred_test=model.predict(y_test)
在这种情况下,参数不会重新估计,y_test
而是在测试阶段用于预测下一个值(具有固定参数)。
因此,我对 ARIMA 感到困惑。为什么我们不对 ARIMA 模型做同样的事情?
请帮助我理解,因为我很困惑。
非常感谢!!