使用 Auto_Arima 更好地擬合測試數據

Question

我正在使用 AirPassengers 數據集來預測時間序列。 對於我正在使用的 model，我選擇使用 auto_arima 來預測預測值。 但是，auto_arima 選擇的順序似乎無法適合 model。 生成相應的圖表。

我能做些什么來獲得更好的身材？

我的代碼給那些想嘗試的人：

import pandas as pd
import numpy as np
import matplotlib.pylab as plt
%matplotlib inline

from pmdarima import auto_arima

df = pd.read_csv("https://raw.githubusercontent.com/AileenNielsen/TimeSeriesAnalysisWithPython/master/data/AirPassengers.csv")
df = df.rename(columns={"#Passengers":"Passengers"})
df.Month = pd.to_datetime(df.Month)
df.set_index('Month',inplace=True)

train,test=df[:-24],df[-24:]

model = auto_arima(train,trace=True,error_action='ignore', suppress_warnings=True)
model.fit(train)

forecast = model.predict(n_periods=24)
forecast = pd.DataFrame(forecast,index = test.index,columns=['Prediction'])

plt.plot(train, label='Train')
plt.plot(test, label='Valid')
plt.plot(forecast, label='Prediction')
plt.show()

from sklearn.metrics import mean_squared_error
print(mean_squared_error(test['Passengers'],forecast['Prediction']))

感謝您的閱讀。 任何建議表示贊賞。

Answer 1

問題是我沒有指定m，在這種情況下，我將m的值指定為12，表示它是一個月循環，每個數據行是一個月。 我就是這么理解的。資源

隨意評論，我不完全確定，因為我是使用 ARIMA 的新手。

代碼：

model = auto_arima(train,m=12,trace=True,error_action='ignore', suppress_warnings=True)

只需加上m=12，表示數據為月度數據。

結果：

Answer 2

這個系列不是靜止的，沒有多少微分（注意變化的幅度不斷增加）會使它如此。 但是，首先通過獲取日志來轉換數據應該會做得更好（實驗表明它確實做得更好，但不是我所說的好）。 設置季節性（正如我在 m=12 的評論中建議的那樣，並記錄日志會產生以下結果： 這基本上是完美的。