python - 使用 AIC 评估 ARIMA 模型
问题描述
最近遇到了 ARIMA/季节性 ARIMA,我想知道为什么选择 AIC 作为模型适用性的估计器。根据Wikipedia的说法,它评估拟合的优度,同时惩罚非简约模型以防止过度拟合。许多网格搜索函数(如Python或Rauto_arima
中的)将其用作评估指标,并建议具有最低 AIC 的模型作为最佳拟合。
但是,在我的情况下,选择一个简单的模型(具有最低 AIC -> 少量参数)只会产生一个模型,该模型强烈遵循先前的样本内观察结果,并且在测试样本数据上表现非常糟糕。我看不出仅通过选择少量参数如何防止过度拟合......
ARIMA(1,0,1)(0,0,0,53); AIC=-16.7
我是不是误会了什么?有什么办法可以防止这种情况发生?
解决方案
推荐阅读
- c++ - 检查列表项是否与开始日期相比重复
- python - 如何将尾随零添加到浮点值并导出为 excel 作为浮点(数字)?
- python - 实时绘图传感器数据 Python Raspberry pi
- wordpress - 通过 .htaccess 重定向多个 URL
- c++ - 如何将 32 位 dll 加载到代理进程中以在 64 位应用程序中使用
- java - Files.lines :关闭流
- vue.js - 将元素添加到最初不在下拉列表中的可搜索下拉列表中 - Vue
- python-3.x - 如何使用 subprocess.popen 执行存储在列表中的多个程序
- java - 错误“不是 JSONObject”:以字符串形式返回此格式的 API。如何使用 Java 从中读取和创建对象?
- java - 如何在没有垂直的情况下垂直缩放 Vert.x?