我想知道arima如何通过使用预测值和实际值之间的差异来更好地工作。所以我使用了plot_predict()(下面的那个),但是它不同于()的值(高于一个)。(请看看它是如何不同的) --我认为plot_predict值是我想要的,因为它更接近实际值,但是我可以从预测()得到的值太低了。请帮我找出答案。感谢你的帮助。第一次,我用
model = ARIMA(sales, or
我想用statsmodels.formula.api的logit做一个样本内预测。但我想用我的模型做样本内预测: yhat5 = model5_logit.predict(params=["dep", "var1", "var2", "var3"]) 这会给出一个错误ValueErrormultiply' did not contain a loop with signature matching types (dtype('<U32&
我正在尝试从运行下面的Statsmodels示例。即使在升级到StatsModels6之后,我也得到了同样的错误。plot_predict('1990', '2012', dynamic=True, ax=ax, plot_insample=False)
AttributeError: 'ARMAResults' object has n
我正在运行一个mnlogit回归,我想做一些预测。我的数据是关于一个名为DataFrame的熊猫的状态,其中包含两个列年龄和final_state (和其他)。import statsmodels.formula.api as smf formula = 'final_state ~ age ',prediction = result.predict(exog = state[[
我正试图用Python和Statsmodels对ARIMA进行预测。具体来说,为了使ARIMA算法工作,需要通过差分(或类似的方法)使数据保持平稳。问题是:如何逆转剩余预测后的差异,以恢复预测,包括差异的趋势和季节性?
(我在上看到了一个类似的问题,但遗憾的是,还没有发布任何答案。)下面是我到目前为止所做的工作(基于Mastering Python数据分析的最后一章Magnus Vilhelm Persson;Luiz Felipe
我正在构建一个时间序列预测模型。我的数据集是这样的:Engineer,2001-01,1137,578 Engineer,2001/lib/python2.7/dist-packages/statsmodels/tsa/arima_model.py", line 919, in fit
start_params = self_fit_start
这里有点新,但正在尝试使用统计模型ARMA预测工具。我从雅虎导入了一些股票数据,并让ARMA给我提供了合适的参数。然而,当我使用预测代码时,我收到的所有错误列表似乎都是我无法找出的。\lib\site-packages\statsmodels-0.5.0-py2.7.egg\statsmodels\base\wrapp
er.pyc in wrapper(self, *args,\lib\site-packages\statsmodels-0.5.0-py2.7.egg\stat
我有一个目标变量和数百个预测变量。我试图一次对一个预测变量运行线性回归,然后创建一个数据,使用for循环保存所有单变量线性回归结果(即变量名,p_value)。下面是我在python中的回归代码(X_data有所有的预测变量,y_data有目标变量:for column in X_Data:如何创建熊猫数据以保存所有的p_value结果?