问题标签 [forecasting]

我正在使用这样的 auto.arima() ：

我不知道如何避免错误：

谢谢

我正在尝试在 C# 中实现我自己的 ARIMA 模型。我此时不需要使用任何“最佳模型”选择代码，我只需要像 ARIMA(p,d,q) 一样指定我想要的模型。

到目前为止，我已经制作了一种使用梯度下降来学习自回归系数的自回归方法，但是我读过这种方法不一定适合确定 MA 模型系数。在我自己的尝试中，在我通过阅读发现这一点之前，我最终得到了会很快分歧的模型。我的初始化和学习率可能做错了什么，但这无论如何都会导致我手头的问题。

有谁知道实际的伪代码 ARIMA 算法有什么好的资源？或者也许是一本关于算法的好书来阅读这个主题？

你知道有什么好的学习率选择方法可以与 MA 模型一起使用吗？

我了解 ARIMA 的想法，但我不确定使用什么方法来确定 MA 模型系数。我已经阅读了很多关于这方面的出版物，但大多数人似乎只是使用 R 或其他一些第三方工具，而这一切都是预制的，我想自己编程。

我正在使用一堆不同的文件集，这些数据是每月的，但它们都是不同的月份。其中一些包括过去 2 年的月度数据，其中一些具有几个月的月度数据。

我喜欢使用这些数据来创建预测图。如果所有数据都是一致的，那将是直截了当的。但是数据是每月的，每个文件都有不同的开始和结束时间。

z 输出：

我试图这样做以将 start 设置为 s 对象，但不工作

由于我使用的数据各不相同，我不知道开始日期。

这可行，但是，由于我不知道我的数据集的开始日期，我可以在开始时放置一个变量吗？

我想格式化 x 轴以显示实际数据的日期和预测值的日期。因为我不知道开始日期，我也不能这样做。无论数据如何，我都想预测 12 个月。

如果我知道开始时间，这将有效。

当我这样做时：

我明白了

但是当我这样做时：

我得到了这个，这是我在开始时使用变量而不是明确输入日期时想要的结果。任何人都有任何想法，我将如何做到这一点？

有谁知道是否可以在 Rforecast包中使用带有 TBATS 模型的回归器？

从帮助文件看来，您可以为 ARMA 添加其他参数，并且由于 ARIMA 采用回归量（即xreg = X），我想知道如果我using.arma.erros=TRUE在 TBATS 模型中使用 ARMA（），是否可以将回归量传递给 TBATS。

我仍然是一个相当新的 R 用途，所以我非常感谢任何指导。

我尝试使用 R 中的预测包。当绘制未来多个样本的预测时，我得到一个常量函数。这是什么原因？

这是我的代码：

结果是：

也就是说，使用季节性参数并不合适。我已经做了很多谷歌搜索和玩弄这个论点，但无济于事。任何帮助，将不胜感激

我想预测时间序列数据。我在以前的帖子中读到，模块 statsmodels 具有使用 ARMA 方法进行预测所需的工具，这正是我一直在寻找的工具。尽管如此，我在预测数据时遇到了麻烦。有人可以解释模型中使用的各种参数和/或提供示例吗？

我想要一个将回归量合并到 forecast.hts 中的示例/方法。下面似乎是正确的，但可惜没有产生预测。

我对 R 编程很陌生，但我找不到关于我的问题的任何信息......

我想用高分辨率数据（半小时数据）的预测包在 R 中做一些预测。我想让预测在线工作。这就是为什么我认为每次都计算一次拟合不是很有用的原因。

因此，我喜欢将已经拟合的模型传递给模型并将其用于新数据的方法：

但它并不真正适用于 HoltWinters 模型......（或 lm 模型，这对于 lm 的含义来说是可以的）

无论如何，我想保持代码简单，我正在寻找一种更通用的方法来将已经拟合的 ts 模型应用于更新的数据集。

有谁知道如何做到这一点？

干杯

我正在研究python中的时间序列。我发现有用和有希望的图书馆是

• 熊猫；
• statsmodel（用于 ARIMA）；
• pandas 提供了简单的指数平滑。

也用于可视化：matplotlib

有谁知道指数平滑库？