如何找到ARIMA模型的准确性？

Question

问题描述：CPU 利用率预测。
方法：使用时间序列算法。

第 1 步：我从 Elasticsearch 收集了 1000 个观察结果并在 Python 上导出。

第 2 步：绘制数据并检查数据是否平稳。

步骤3 ：使用日志将数据转换为固定形式。

第 4 步：完成 DF 测试、ACF 和 PACF。

第 5 步：构建ARIMA(3,0,2)模型。

第 6 步：预测。

我构建了一个ARIMA (3,0,2)时间序列模型，但无法找到模型的准确性。 有什么命令可以让我们在 Python 中检查模型的准确性吗？

您能否建议我的方法是否正确以及如何在 Python 中找到模型的准确性？

Answer 1

方法正确与否-

我希望你能从 ACF 和 PACF 中找到最好的 P、Q 值。 python中有github代码会做一些类似Auto Arima（自动找到最佳参数）的事情，所以你不必担心P，q值。 基本上，在模型的 BIC 最小的情况下，采用 P,Q 值。

Pyhton 代码-

有三个主要指标用于评估线性模型。 它们是：平均绝对误差 (MAE)、均方误差 (MSE) 或均方根误差 (RMSE)。

MAE ：最容易理解。 代表平均误差

MSE : 类似于 MAE，但噪声被夸大了，更大的错误被“惩罚”。 它比 MAE 更难解释，因为它不在基本单位中，但是，它通常更受欢迎。

RMSE ：最流行的指标，类似于 MSE，但是，结果是平方根，使其更易于解释，因为它是基本单位。 建议将 RMSE 用作解释模型的主要指标。

下面，您可以看到如何计算每个指标。 所有这些都需要两个列表作为参数，一个是您的预测值，另一个是真实值-

Answer 2

我一直在对此进行一些研究，不幸的是，我在 python 中找不到关于statsmodels的score函数。 我建议按照之前 帖子中的建议访问该站点。

此外，如答案中所述，“statsmodels 确实具有连续因变量的性能度量。”

希望一些极客会找到并回答，如果我发现任何与此相关的内容，我一定会将其发布到社区。