问题标签 [pmdarima]

我目前正在关注时间序列分析链接的 Udemy 讲座。

在非常基本的数据集上运行 pmdarima 1.7.1 auto_arima (statsmodels 0.11) 时，我收到一个摘要，其中只有模型声明 SARIMAX，没有 p、q、d。见下图。

我应该将其视为全 0 还是白噪声的模型，因为“aic”表示 823.489，它可以追溯到 ARIMA(0,0,0)(0,0,0)[0] 截距？

在旧版本的 pmdarima (1.10) 和旧版本的 statsmodels (0.9) 中运行时，我收到不同的结果。见下文。

新版本的 auto_arima 是否不再报告 ARMA，我应该只参考一般线性平均值的系数？

我目前只在 auto_arima 函数中添加了一些参数。

任何帮助将不胜感激，如果需要，我可以提供 csv 文件。

我正在尝试使用 auto_arima，它提供了用于时间序列预测的最佳模型的良好输出。

from pmdarima import auto_arima

输出：

这里没有太多的智慧，我为此道歉，但是否可以将变量分配给最适合的模型？或者是否必须从上面的输出中手动选择ARIMA(2,0,0)才能继续使用他们的时间序列预测方法？

例如一些变量，比如best_model = Best model: ARIMA(2,0,0)最好的选择是什么......

我正在尝试从 pmdarima 库的 auto_arima 模型中提取估计（未预测）值，但我无法做到。我已经尝试过：modl.fit()它不会生成稍后我需要它们与训练值一起绘制的值 len(train) = len(mod1.fit())

我正在尝试使用 pmdarima 的 AutoARIMA 创建季节性 ARIMA (SARIMA) 模型。原因是新数据将在项目的生命周期内变得可用，并且需要自动找到最佳时间序列模型的代码。不幸的是，我当前的代码似乎正在产生垃圾：

测试.csv

输出（到目前为止，在大型服务器上经过相当长的一段时间后）：

数据有两种季节性模式（一种每天和一种每周）。包括每日模式会给出合理的结果（使用m=24），但每周往往会导致AIC=inf如上例所示。

我是使用 ARIMA 建模时间序列的新手

这里我有一个不同时间的动态图，在图的每个快照中我计算 Adamic Adar 相似度指数，然后我使用每个输出作为 arima 模型的输入

Ademic Adar 计算如下

这里的G6，是graph snapshots，总之我有7个snapshot

我使用这些输出作为 arima 模型的输入，如下所示：

#连接每个相似度得分

然后我使用 auto_arima 找到最佳参数

这是结果

怎么了？我维权？拜托我需要你的帮忙

有没有办法保存这个 AIC 值？

我想对这些值进行排序以查看哪个模型的 AIC 最低，以便在此处对具有较低 AIC 输入图像描述的模型进行交叉验证

我正在尝试应用 ta SARIMAX 模型来预测月度销售额，但是当我尝试拟合模型时，我收到了以下警告：

观测值太少，无法估计季节性 ARMA 的起始参数，除方差外的所有参数都将设置为零。

即使数据集显示出明显的季节性。

季节性_分解：

我已经使用逐步搜索来找到最佳模型订单，但与测试数据相比，仍然有警告和非常糟糕的 RMSE。

PD，原始数据是非平稳的，因此必须使用差分使其平稳。

有什么技巧可以解决这个问题吗？

是否可以在自动 arima 预测模型中使用布尔外生变量以及如何应用它们

读取 & 解析和删除空值 &

检查数据

创建退货

划分测试数据

创建模型 Auto Arima

预测结果

结果

ADFTest()当输入相同的时间序列时，frompmdarima和adfuller()fromstatsmodels会产生不同 的结果。p-values为什么会这样？

例如：

输出：

我正在使用 Python 中的季节性 ARIMA 模型执行时间序列分析。我使用库中的auto_arima函数找到了最佳参数pmdarima。然后使用这个值，我用下面的代码再次拟合了模型model = SARIMAX(data_train, order=(1, 1, 0), seasonal_order=(2, 1, 1, 12))。然后我查看了拟合值并发现了一些奇怪的东西。第一个拟合值为 0，导致残差较大。这个残差值在下一期使用，导致拟合值很大且完全错误。是否可以改变这种行为，例如将第一个残差设置为 0 或指定一些初始值？

谢谢！