python - 有没有更快的方法在 Python 中对时间序列进行滚动预测?
问题描述
目前,我正在构建一个带有滚动窗口的 SARIMA Modell,其中包含每日数据。
history = [x for x in train_set_d]
predictions = list()
for t in range(len(test_set_d)):
# in history wird die vorhersage gespeichert
Sarima_Modell_same = SARIMAX(history,order = (2,1,0),seasonal_order=(0,2,1,6))
model_fit = Sarima_Modell_same.fit()
output = model_fit.forecast()
yhat = output[0]
predictions.append(yhat)
np.append(predictions,yhat)
obs = test_set_d[t]
history.append(obs)
print('predicted=%f, expected=%f' % (yhat, obs))
rmse = sqrt(mean_squared_error(test_set_d, predictions))
rmse
这样做的问题是,它需要长达 10 分钟 770 sek 才能完成,这太长了。我也尝试进行 numpy 转换,但我没能做到。
有什么方法可以减少这个 for 循环的时间,以便更快地预测时间序列?
解决方案
推荐阅读
- java - 第一个连接org.hibernate.exception.JDBCConnectionException:无法获取JDBC Connection
- apache-kafka - 向 kafka 流状态存储中断添加名称
- excel - 从某个索引处的单元格中提取子字符串(不同的行长,多行)
- php - 无法验证 Slack 对话框字段。response_url 调用总是失败
- c# - 如何在 c# 中显示 sldocument 的“保存”对话框?
- python - 无法在 pycharm 中运行 jupyter
- c# - 基于 jti 声明而不是过期时间的 JWT 重放验证
- android - 谷歌安卓导入类文件的问题
- html - 让可访问的用户知道父容器有一个新的“当前”子容器
- properties - 消息:未定义的属性:stdClass::$num_rows