我正在使用statsmodels库来提供一个用于时间序列预测的ARIMAX模型。我有一个相当奇怪的问题--我如何通过显式地为训练好的模型提供endog和exog变量来执行完全手动的点预测？为了给你一个概念，我在2000-2
浏览 13提问于2019-07-10得票数 1
回答已采纳
1回答
我希望使用statsmodels.regression.linear_model.OLS包来进行预测，但要使用指定的常量。目前，我可以用参数指定常量的存在：类statsmodels.regression.linear_model.OLS(endog，exog=None，缺失=‘none’，hasconst=None)，其中hasconst是布尔值。我想要做的是
浏览 9提问于2014-10-23得票数 0
我正在使用statsmodels.tsa.arima.model.ARIMA在时间序列上拟合ARIMA模型。 如何使用此模型对看不见的数据进行预测？似乎预测和预测功能只能从模型拟合到的训练集中的最后一次看到的数据进行预测。 举个例子，我想用一个静态模
浏览 33提问于2021-10-28得票数 0
1回答
我正在使用statsmodels ARIMA包创建一些ARIMAX模型。在我的预测中，我使用了几个不同的外生变量。然而，从来看，模型似乎只使用外生变量的当前值来预测我的内生变量。在我的预测中，是否有一个很好的方法可以将延迟到某个点(旧值)的
浏览 6提问于2021-12-18得票数 0
3回答
我想通过使用月时间序列中的多个特性来预测product' sales_index。在开始时，我开始使用ARMA，ARIMA来完成这个任务，但是输出结果并不让我很满意。在我的尝试中，我只是使用dates和sales列进行预测，输出对我来说是不现实的。我认为我应该包括更多的特性列来预测sales_inde
浏览 4提问于2020-08-21得票数 2
回答已采纳
我想我理解通过LSTM或XGBoost模型进行预测的想法，但我想联系社区来证实我的想法。本教程很好地一步一步地解释了该做什么："如何建立多步LSTM电力使用时间序列预测模型“
然而，在预测方面，作者拿出了部分数据，然后用这些数据来预测未来的值.在我看来，这并不是一种预测</e
浏览 0提问于2019-09-30得票数 4
我有一系列熊猫的ts数字，我想预测它的未来(下一个600点)。pandas系列只是通过序列号来索引，而不是通过日期或时间。以下是ts的示例内容0 -0.801552 1.02 -3.659062 3.04 -2.858001 5.0statsmodels.tsa.
浏览 0提问于2018-04-12得票数 0
2回答
自回归模型的部分拟合或增量学习
、、、、
我有两个时间序列，代表两个独立的数据观测周期。我想对这个数据拟合一个自回归模型。换句话说，我想要执行两个部分配合，或两次增量学习。这是一个简单的描述，一个不寻常的场景，也可以适用于批量拟合的大型数据集。import statsmodels.api as sm
浏览 0提问于2021-02-24得票数 2
回答已采纳
我的身材是这样的：其中Y是timeSeries对象10 0 x1，因子是timeSeries对象10 0 x5。当我去做预报的时候，我申请.我得到了一个错误：
Error in forecast.Arima(fit, h = horizon) : No regressors这是否意味着它要求xregressors的未来值，或者我应该重复我在fi
浏览 4提问于2012-05-15得票数 10
回答已采纳
在训练了sarimax模型之后，我希望将来能够用新的观测来预编预报，而不必再训练它。然而，我注意到我在新应用的预测中使用的观测数改变了预测。根据我的理解，只要给出足够的观测量，允许正确地计算自回归和移动平均，该模型甚至不会使用先前的历史观测来通知自己，因为系数没有经过再训练。作为一个示例和测试，我对相同的数据应
浏览 4提问于2022-02-23得票数 0
回答已采纳
我在一个包含大约7500个数据点的数据集上执行多重回归时遇到了问题，这些数据点在某些列和行中缺少数据(NaN)。每行中至少有一个NaN值。某些行仅包含NaN值。
浏览 7提问于2017-08-07得票数 6
我刚刚阅读了需求驱动的预测:一种结构化的预测方法(Wiley和SAS业务系列)，并在Holt模型中有一些疑问：3)在运行Holt-温特斯乘积模型或加性模型时，以前不需要对季节性进行显式调整。
4)在时间序列预测中，如何
浏览 0提问于2018-04-13得票数 2
回答已采纳
1回答
原来的ARMA算法有以下公式：在这里你可以看到，ARMA用p+q+1数来计算。所以，这是没有问题的，这是相当清楚的。
因此，SARIMA必须计算p+q+P+q+1数。只是个P+Q数。但是，如果我们使用太长的时间，例如365天的日常时间序列，SARIMA就是无法停止拟合。给模特
浏览 2提问于2020-05-01得票数 1
回答已采纳
2回答
商品的销售预测
、、、、
因此，我一直在尝试实现我的第一个算法来预测单个产品的(销售额/月)，我一直在使用线性回归，因为这是推荐给我的。我使用过去42个月的数据，前34个月作为培训集，其余8个月作为验证。我一直在尝试使用四个特性来开始：该产品在当月销售的平均价格前一个月售出的数量
下面是具有比较真实数据x预测数据和误差x
浏览 0提问于2017-03-23得票数 3
回答已采纳
建立了一个具有非零均值的ARIMA(9,0,2)模型。我想用这个模型来做反事实的预测。也就是说，条件是只有前九个观测值，我正在寻找一个R函数，它可以对第十次，第十一次观测产生预测，等等，使用ARIMA(9,0,2)模型，我用所有的数据来估计。函数forecast取到了时间序列结束的位置，并使用拟合模型进
浏览 2提问于2014-08-06得票数 2
回答已采纳
3回答
我试着用ARIMA模型来预测。我是新来的。我试图绘制我的数据集(小时数据)的seasonal_decompose()，下面是绘图吗？我想了解这些情节，简单的描述会有帮助。我看到最初没有趋势，过了一段时间后有上升的趋势。我不确定我说的对不对？我想了解如何正确地阅读这些图表。请给出一些好的描述。我对此感到困惑，我还提到了otexts.org，它说我们应该根据p值</
浏览 1提问于2017-07-10得票数 4
1回答
目前，我正试图使用状态模型ARIMA库实现直接和递归的多步预测策略，并提出了一些问题。
一种递归的多步预测策略是训练一个单步模型，预测下一个值，将预测值附加到输入到预测方法中的外生值的末尾，然后重复。为了执行一个直接的策略，我只需要将我的模型与现有的培训数据
浏览 4提问于2018-10-30得票数 5
回答已采纳
我来自功能磁共振成像研究背景，在那里我分析了大量的时间序列数据，我想通过以下方式分析股票价格(或回报)的时间序列: 1)对特定市场领域的成功股票进行建模，然后将这一历史上成功的股票的时间序列与其他较新股票的时间序列进行交叉关联，以寻找重要的关系；2)对股票的价格时间序列进行建模，并使用预测(例如，指数平滑)来预测</em
浏览 0提问于2010-05-15得票数 1
回答已采纳
几年前有一篇关于这个的帖子，但只包含了一个快速修复。我认为您可以传递一个参数，告诉它将截距设置为零。除了statsmodel之外，还可以使用其他的stats包。
浏览 1提问于2019-01-18得票数 3
我使用(Statsmodel) ARIMA从一个系列中预测值：plt.plot(ind, forecast.values)我以为我会从这两种方法中得到同样的结果，但是我得到了以下结果：
我想知道是使用predict()还是forecast()。
浏览 8提问于2017-08-09得票数 20
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
腾讯会议
云直播活动推荐
腾讯云开发者
