python - 是否可以在不依赖其他值的情况下从预测集中恢复 Dif()?
问题描述
所以,我有一个从去年 2020 年开始的洗发水销售时间序列,我想预测今年的洗发水销量。为了消除季节性,我对系列执行了 diff()。然后,我使用该系列和 ARIMA 模型来预测值。我的问题是,因为原始系列是 diff(ed),所以这些预测不是“正常的”。对于我的使用,除非我能看到非 diff(ed) 值,否则它们没有任何价值。
我在这里看到了很多帖子,可以帮助您从以前的 diff(ed) 集中恢复正常值。喜欢这个。该页面以及我检查的其他页面的问题在于它们依赖于原始的非 diff(ed) 集。换句话说,我可以得到一个 Series,然后 diff() 它,然后返回原始值,执行如下操作:
np.hstack((original[0], original_diff)).cumsum()
但是如果你观察,上面的代码依赖于原始集合“original[0]”。就我而言,我只有一个预测集,它表示基于先前 diff(ed) 系列的值。
关于如何在没有 diff(ed) 值的情况下恢复或重新创建预测集的任何想法?
PS。我对预测很陌生
解决方案
推荐阅读
- java-8 - 对象列表的排序列表
- html5-canvas - 画布 toDataURL 不适用于 GIF 或 JPEG
- javascript - Firebase 函数从其他文件导入函数 - javascript
- php - 是否可以提交没有序列号的数组?
- java - BigDecimal - MathContext.DECIMAL64 与 MathContext.DECIMAL128
- java - JSON解析。字符串作为对象的 Json 数组
- python - 为什么```print```不能在for循环中工作并且变量在Python中没有改变?
- c# - NetworkStream 在服务器关闭时读取
- django - Facebook 登录/图形 API - 在 localhost 和 http(不是 https)上入门
- c++ - C ++迭代列表以比较位置