时间戳

首页 > 解决方案 > Python 中的 ARIMA 模型

python - Python 中的 ARIMA 模型

问题描述

我正在使用 ARIMA 在 Python 中进行预测，以下是我的代码：

import numpy as np 
import pandas as pd 
import matplotlib.pyplot as plt 
from statsmodels.tsa.seasonal import seasonal_decompose
from sklearn import datasets, linear_model
from sklearn.model_selection import train_test_split

HSBC = pd.read_csv('HSBC.csv', index_col = 'Date', parse_dates = True)
HSBC2 = HSBC['Close']
result = seasonal_decompose(HSBC2, model='multiplicative', period = 1)

from pmdarima import auto_arima
import warnings
warnings.filterwarnings("ignore")

stepwise_fit = auto_arima(HSBC2, start_p = 1, start_q = 1, 
                      max_p = 3, max_q = 3, m = 12, 
                      start_P = 0, seasonal = True, 
                      d = None, D = 1, trace = True, 
                      error_action ='ignore',    
                      suppress_warnings = True,  
                      stepwise = True) 

train = HSBC2[0:173]
test = HSBC2[173:248]
model = SARIMAX(train, order = (0, 1, 1), seasonal_order =(0,1,1,12)) 
result = model.fit()

start = len(train)
end = len(train) + len(test) - 1
prediction = result.predict(start,end,
                            typ = 'levels').rename("Predictions")  
predictions.plot(legend = True) 
test.plot(legend = True)

我很困惑为什么预测图的 x 轴变成数字，它应该是像测试图一样的日期。

预测和测试图的输出

标签： python

解决方案

如果我没有错，这是由于您没有指定索引的频率。试试这个：

HSBC.index = pd.date_range(freq='d', start=HSBC.index[0], periods=len(HSBC)

请注意，如果您的索引是每日间隔的，您应该频率='d'

编辑：

所以，答案就是改变 predict 方法的参数 start 和 end 参数，例如：

start = test['Date'].iloc[0]
end = test['Date'].iloc[-1]
prediction = result.predict(start,end,
                            typ = 'levels').rename("Predictions")

推荐阅读