python - 部署 SARIMA - Python
问题描述
我有几个关于 SARIMA 预测的问题，因为我得到的答案好坏参半：
- 我是否需要使我的数据静止 - 我的数据集同时显示趋势和季节性（每两周出现一次峰值）？
如果我要部署我的时间序列 SARIMA 模型，将 SARIMA 投入生产有哪些注意事项？我在某处读到它不能自动化，但我不明白为什么，只要我们每次运行模型时都执行网格搜索。
该数据集相当有趣，即从 2018 年 12 月开始出现趋势和季节性模式。但这也意味着如果我将 2018 年 12 月至今的数据拆分为训练和测试数据集，将没有足够的数据点。运行 SARIMA 时是否有任何数据集大小建议，或者通常应该至少有 N 个季节性周期？
- 由于我的预测是每周运行一次，因此我假设我需要在工作流程方面做些什么：在周末运行一项工作：收集过去一周的新记录 > 进行 N 次数据转换> 分为训练和测试 > 运行最佳参数的网格搜索 > 训练模型 > 测试模型 > 对接下来的 7 天进行预测。我错过了什么？