等效于 R 的有马 function 在 Python

Question

我使用 statsmodel 的 arima function 尝试使用 Python 进行时间序列预测，它给了我与 r 的 arima ZC1C425268E68385D14AB5074C17ZA 不同的结果。 我使用了相同的超参数。

R的版本：

fit <- arima(data[1:9000,3], order = c(3,0,3), seasonal = list(order = c(0,0,0)))
predd = forecast(fit,h=1000)
pred = cbind(data[9001:10000,3], predd$mean)

Python的版本：

series = df[0:9000].copy()
model = ARIMA(series, order=(3, 0, 3))
model_fitted = model.fit()
predictions = model_fitted.predict(start=len(series), end=len(df)-1)

附件是R 和 Python 的 arima 的绘图结果图

我究竟做错了什么？

除了 statsmodel 之外，我还可以将其他 Python 包/函数 arima 用于单变量时间序列吗？

任何见解或指导将不胜感激。 非常感谢你。

Answer 1

摘要：我不知道您是如何创建显示为“R 版本”的第一张图像，但是当我运行您提供的 R 代码和 plot 结果时，它们看起来与 ZA7F5F35426B9274173Z 结果相同您包含的 R 版本”图表。 我最好的猜测是，当您创建显示 R 结果的图像时，您以某种方式绘制了样本内预测。

详情见下文。

详情：

我首先从您提供的链接下载数据集“dataset.txt”， https://gist.github.com/DouddaS/5043a340ff7d7b35b255b4f8f74fc534

现在，如果我运行以下 R 代码：

library(forecast)
y <- read.csv('dataset.txt')
fit <- arima(y[1:9000, 1], order = c(3,0,3), seasonal = list(order = c(0,0,0)))
predd = forecast(fit,h=1000)
pred = cbind(y[9001:10000,1], predd$mean)
autoplot(pred)

这给出了以下 plot：

当我运行以下 Python 代码时：

y = pd.read_csv('dataset.txt')
model = sm.tsa.arima.ARIMA(y.iloc[:9000, 0], order=(3, 0, 3))
model_fitted = model.fit()
pred = model_fitted.predict(start=len(series), end=len(y)-1)
predd = pd.concat([y.iloc[9000:, 0], pred], axis=1)
predd.plot()

然后我得到以下 plot：

这些看起来与我基本相同，而 R 的版本看起来与问题中发布的图像完全不同。