如上所示，我尝试使用 holt-winters 模型进行预测，但我不断收到此错误。 错误发生在 pred 行表示“'start参数无法与与数据索引相关的位置匹配。” ，我想如何处理这个错误？

这是我的数据。我将数据分组到一年的季度 1

我有一些我正在尝试拟合的数据ExponentialSmoothing：

由于某种原因，预测只会预测一条直线：

为什么会发生这种情况？我错过了什么？

我正在尝试按照本教程创建一个简单的指数平滑模型：https ://towardsdatascience.com/time-series-in-python-exponential-smoothing-and-arima-processes-2c67f2a52788

但遇到了我不明白的问题。我有一个非常简单的 pandas DataFrame ，它time_series使用每日日期时间索引和 20 到 100 之间的值来表示当天就诊的人数。它看起来像这样：

fit1但是，在我创建以构建到 SES 模型的以下代码中运行行时，我收到一个错误。构建代码如下：

错误如下，我发现它很奇怪，因为我已经检查过并且 train 和 test 都不包含空值：

有谁明白为什么会这样？

非常感谢。

我正在尝试添加 HoltWinters Alpha 函数。我有一个名为 Sales1 的表，代码应参考此表。有没有人可以更正或修改下面的代码，所以我得到的是 Holtwinters Alpha 而不是 Chronbachs Alpha？

Holt Winters calc（可能需要修改）

)

chronbachs 阿尔法计算

之前要考虑的行数

来自 Sales1 表的西藏：

df <- tibble::tribble( ~seq, ~date, ~sales, 1, "3/01/2017", 40, 2, "4/01/2017", 2, 3, "5/01/2017" , 2, 4, "6/01/2017", 2, 5, "7/01/2017", 30, 6, "8/01/2017", 2, 7, "1/02/2017", 9 , 8, "2/02/2017", 5, 9, "3/02/2017", 65, 10, "4/02/2017", 3, 11, "5/02/2017", 65

我已经使用函数 hw 来分析时间序列

通过查看 fcast$model$par，我观察了 alpha、beta、gamma、phi 和初始状态的值。我还查看了 fcast$model$states 的内容，以了解所有值的演变。我试图在 Excel 中重现结果以了解整个过程。为了获得与 fcast$model$states 相同的 b （趋势）值，我观察到我必须使用类似于 Holt-Winters 方法的参考书目中的公式：

但是，如果在 fcast$model$par beta=0.08128968 中，我发现为了达到相同的结果，我必须使用 beta2=0.50593541。

这是什么原因？我看不出 beta 和 beta2 之间有任何关系。

我还发现，为了获得与使用 hw 函数获得的预测相同的预测，一旦数据完成，我必须使用以下公式：

我没有找到关于这个预测阶段的任何参考书目，解释了一些参数不再使用。例如，在这种情况下，phi 仍然用于 b(t)，但不再用于 l(t)。任何人都可以参考我可以找到这部分解释的任何参考书目吗？

所以最后我已经能够在 Excel 中重现整个数据集，但有几个步骤我想更好地理解。

谢谢！！

这段代码：

在没有警告的情况下运行并正确打印 [1. 2. 3. 4.] 在我的电脑上（Anaconda Navigator 1.9.12 和 Visual Studio Code 1.45.1，运行 python 3.7.6，numpy 1.18.1，statsmodels 0.11.0）。

然而，在我同事的计算机（运行 Python 3.8、numpy 1.18.4、statsmodels 0.11.0 的 Visual Studio Code）上，相同的代码会在正确打印之前触发以下警告 [1. 2. 3. 4.]：

...\statsmodels\tsa\holtwinters.py:725: RuntimeWarning: 在less_equal loc = initial_p <= lb 中遇到无效值

...\statsmodels\tsa\holtwinters.py:731：RuntimeWarning：在greater_equal loc = initial_p >= ub 中遇到无效值

...\statsmodels\tsa\holtwinters.py:956: RuntimeWarning: 除以零在日志中遇到 aic = self.nobs * np.log(sse / self.nobs) + k * 2

...\statsmodels\tsa\holtwinters.py:962: RuntimeWarning: 除以零出现在日志 bic = self.nobs * np.log(sse / self.nobs) + k * np.log(self.nobs)

我们怎样才能解决问题，以便我的同事不会收到这些 RuntimeWarnings，拜托？还是我们不应该担心他们？非常感谢。

更新：我想我找到了答案。我的测试数据太完美了，因此引起了警告。将抖动引入数据可消除警告。无论哪种方式，我认为，基于此，我们无论如何都可以忽略警告：

另一个更新：不，不是这样。在我的电脑上，我仍然没有收到警告，但我的同事收到了

...\statsmodels\tsa\holtwinters.py:725: RuntimeWarning: 在less_equal loc = initial_p <= lb 中遇到无效值

...\statsmodels\tsa\holtwinters.py:731：RuntimeWarning：在greater_equal loc = initial_p >= ub 中遇到无效值

我有一个看起来像这样的数据框：

我想最终得到一个 TS 对象，这样我就可以对其进行 HoltWinters 平滑处理。我想我希望它看起来像这样（虽然我不确定，因为我以前没有做过 HoltWinters）：

这就是我想要做的：

但这看起来不像我需要做一个 Holtwinters 模型。我已经查看了 stackoverflow 以及 TS 和 Zoo 的文档，但我一直坚持如何创建这个 TS 对象。朝着正确的方向推动将不胜感激。

我正在将 ts 对象转换为 HoltWinters 预测。我的数据如下所示：

我的代码如下所示：

我收到此错误：

但令我困惑的是，我知道我希望我的 x 是时间，我的 y 是Temp列中的值，但我从来没有告诉硬件，所以我不知道如何解决它。一旦我正确创建了硬件对象，我想对未来进行指数平滑预测。

欢迎提出建议：）谢谢

我有一组从 2012 年 1 月到 2014 年 12 月的数据，显示了一些趋势和季节性。我想使用 statsmodels 的 Holt-Winters 方法对未来 2 年（从 2015 年 1 月到 2017 年 12 月）进行预测。数据集如下：

如下所示：

我正在尝试构建 Holt-Winters 模型，以提高过去数据的预测性能（这意味着，一个新图表，我可以在其中查看我的参数是否对过去进行了良好的预测），然后再预测明年。我使用以下代码进行了预测，但我无法进行预测。

看起来像：

有人现在如何预测它吗？

我正在运行 holtwinters 以根据我的数据返回拟合模型，并且需要帮助解释拟合对象返回的内容。这是我得到的：

holtwinters_fitted_object_values

我的解释是：1）水平 - 表示该点的运行平均值 2）趋势 - 表示“趋势”的权重作为对该数据点的影响 3）季节 - 表示“季节性”的权重作为对该数据点的影响 4) 我不知道 xhat 应该表示什么？您能否验证我对 1、2、3 的理解并解释 #4 是什么？谢谢！