问题标签 [sarimax]

我正在以百分比构建 ARIMA/Sarima 模型，但出现以下错误 1- model = SARIMAX(np.asarray(train), order = (0, 1, 1), seasonal_order =(1, 1, 1, 12))

TypeError: ufunc 'isnan' not supported for the input types, and the inputs could not be safely coerced to any supported types according to the casting rule ''safe''

2-如果我不将 pandas 数据框转换为 numpy 数组，我会收到以下错误 model = SARIMAX(train, order = (0, 1, 1), seasonal_order =(1, 1, 1, 12))

ValueError: Pandas data cast to numpy dtype of object. Check input data with np.asarray(data).

尽管几天前我在步骤 2 中使用的相同代码正在运行

我正在建立一个 sarimax 模型来预测从 2021 年 4 月起的乘客数量。目前我正在使用 2021 年 1 月 1 日至 2021 年 1 月 31 日的数据，如下所示

如何编写代码以便预测 2021 年 4 月 1 日以后的未来数据？谢谢

#This is output

我已经和 SARIMAX 合作了一段时间。我试图预测大型建筑物的能源使用情况。我使用天气数据作为外生变量。正如我从天气预报中知道的预测天气一样，我也在预测中使用了这些数据。我尝试用 1 小时的采样时间来预测前一天，所以 t_1 -> t_24。

是否存在任何可以在预测中使用输入的 LSTM/RNN，比如天气预报？

例子：

数据 0 < t 用作训练数据。想要预测 t > 0 的 X。

我想使用 auto_arima 因为我想要 SARIMAX 并且我希望它选择最好的参数。我的代码实际上是通过一堆不同的组合运行（因为它正在预测多个项目）并且它通过多个模型运行，因此最后我可以为每个组合选择“最佳”模型。我已经处理过它，在代码的前面创建了所有正确的组合（使用字典等），但是有没有办法从逐步模型中输出每个组合的最佳参数，以便它自动适合那些“最佳”参数？我知道您通常可以手动输入最佳参数，然后“拟合”模型，但有没有办法自动化？

代码是可以理解的。它在这中间产生这个最终导致这个错误 -

我遇到的问题是使用SARIMAX模型和 2 个变量在 python 中预测时间序列的一种相当简单的方法：

• 内生的：感兴趣的。
• 外生的：假设对内生变量有一些影响。

该示例使用 BTC 和 ETH 的每日价值，其中 BTC 是内生的，ETH 是内生的。

使用 yahoo.finance API 获取数据的方法非常简单yf

这需要手动完成 - 手动插入硬币的名称（在组合硬币方面为用户提供更多自由）。

我们的外生数据df1也是如此。然后以相同的方式获取内生数据。

现在是两个数据集对齐的合并步骤。

看起来像这样：

我只想关注 BTC 和 ETH 的收盘价：

寻找最佳网格：

做出预测

但是当我尝试根据 做出未来预测时exo，如下所示：

我收到这个烦人的错误：

有人可以解释我错在哪里或者我在这个模块中错过了哪些步骤吗？

我目前正在做一个项目，我不太确定如何最好地实施下一步，所以我很感激建议和反馈。

在我的数据中，某个日期可能会出现多次，因为我通过邮政编码预测销售额。 数据结构示例 其背景是我想将天气添加到邮政编码中。事后检查不同的天气参数是否可以更好地预测我的模型（SARIMA/SARIMAX）。之后我想在一个表格中有一个输出，其中所有邮政编码都存储了预测的 RMSE。如果 auto_arima 为此选择了参数也很好。

然后我会比较 SARIMA 和 SARIMAX 之间的这些，以便我可以检查有多少百分比的预测通过外部数据变得更好。

目前，数据位于包含 60 多个邮政编码的表中。有没有人有一个想法或功能可以用来创建多个模型（每个邮政编码和选定的参数）和表格？

我现在已经阅读了一些关于金字塔的东西，但我不太确定这是否是正确的包，无论如何我都找不到类似的例子。

目前我正在处理不同模型的时间序列问题。我将数据集分成 80% 的训练和 20% 的测试。数据是每天汇总的，而不是我每周汇总然后每月汇总。

我的问题是在测试数据的不同部分评估 RMSE 是否有意义？ 因此，在这个图 上，我对整个测试集（65）点进行了 ARIMA 每周预测并评估了 RMSE。例如，查看前 10 个步骤的 RMSE 是否有意义？情节仍然相同，但我正在查看前 10 个步骤，而不是整个 65 个步骤。

然后对 LSTM 等其他模型做同样的事情？

当我从预测值中减去真值时，我得到了 NaN 值。我不明白为什么这不起作用。这是我的代码和下面的输出。输出显示无法减去这些值，但我不知道为什么。

我使用 SARIMAX 模型来预测时间序列数据。但是对于某些输入，结果很奇怪！例如，预测值为 25,727，但其对应的置信区间为 (-12,446,499, 12,499,006)！！！我的模型有什么问题？这些数字的含义是什么？

我的数据集是包含两个变量 Production 和 Shipment 的每周数据。产量是自变量，出货量是因变量。首先，我试图预测 Production 值并将其用作预测 Shipment 变量的回归量。

如果我使用训练集日期范围 From-> "2018-12-31" To-> "2021-11-22" 运行 Arima，模型将在 10 分钟内运行，我可以看到模型值。

使用相同的模型，如果我将训练集数据范围从-“2018-12-31”扩展到->“2021-12-27”，只要模型从未完成模型执行，模型就会运行，我无法查看模型输出。

你能帮我解决这个问题吗？谢谢你的支持

在上述模型 2 上，从未完全执行，模型仍在运行。

从上面可以看出，模型 1 和模型 2 除了训练数据之外没有任何区别，所以请您告诉我这里缺少什么。谢谢