Penjelasan terperinci model ARIMA dalam Python

Model ARIMA ialah model statistik yang digunakan untuk memproses siri masa Ia boleh digunakan untuk meramalkan nilai masa hadapan, menganalisis data sejarah, mengenal pasti arah aliran dan kitaran, dsb. Dalam Python, model ARIMA dilaksanakan melalui pakej statsmodels.

Nama model ini terdiri daripada tiga bahagian yang terkandung di dalamnya: AR (Auto-Regresif), I (Bersepadu) dan MA (Purata Pergerakan). Fungsi tiga bahagian ini ialah: AR digunakan untuk mewakili gabungan linear nilai semasa dan beberapa nilai sebelumnya I digunakan untuk mewakili perbezaan antara data MA digunakan untuk mewakili gabungan linear nilai semasa dan beberapa; nilai masa lalu. Model ARIMA ialah model yang menggabungkan tiga bahagian ini, dan ia boleh meramal dan menerangkan data siri masa dengan berkesan.

Andaian utama model ARIMA ialah siri masa adalah pegun, yang bermaksud bahawa min dan varians siri masa tidak akan berubah dengan ketara dari semasa ke semasa, supaya ramalan model boleh menjadi lebih tepat tepat.

Langkah-langkah khusus untuk menggunakan model ARIMA adalah seperti berikut:

1. Tentukan susunan yang diperlukan untuk model, iaitu nilai p, d, q dalam ARIMA (ms , d, q).

Antaranya, p mewakili susunan model AR, d mewakili susunan perbezaan data, dan q mewakili susunan model MA.

2. Bina model ARIMA mengikut susunan yang ditentukan.

3. Gunakan model untuk memuatkan data dan dapatkan parameter model.

4. Jalankan ujian dan diagnosis model, tentukan sama ada model sesuai dengan baik, dan nilai hasil ramalan.

Berikut ialah contoh menggunakan model ARIMA untuk meramalkan siri masa:

"""
import panda sebagai pd
import numpy sebagai np
import matplotlib .pyplot sebagai plt
import statsmodels.api sebagai sm

Buat siri masa

tarikh = pd.date_range('20210101', periods=365)
data = pd.Siri (np .random.randn(365), index=dates)

Prapemprosesan data, perbezaan

data_diff = data.diff().dropna()

Bina model ARIMA

model = sm.tsa.ARIMA(data_diff, order=(1, 1, 1))

Pasang model dan dapatkan parameter model

hasil = model. fit()

Lakukan ujian dan diagnosis model

results.summary()

Lakukan ramalan model

ramalan = keputusan.predict(start='20220101 ', end='20221231')
"""

Dalam contoh ini, kita mula-mula mencipta siri masa yang mengandungi data rawak, dan kemudian melakukan pemprosesan pembezaan, iaitu, menetapkan bilangan perbezaan bagi data kepada 1 . Seterusnya, model ARIMA dibina, di mana nilai pesanan p, d, dan q masing-masing adalah 1, 1, dan 1. Kemudian muatkan model dan dapatkan parameter model. Akhirnya, ramalan model telah dilakukan dan keputusan ramalan untuk tahun berikutnya diperolehi.

Ringkasnya, model ARIMA ialah alat analisis siri masa yang sangat berkuasa dan biasa digunakan. Dalam Python, model ARIMA boleh dilaksanakan dengan mudah menggunakan pakej statsmodels, yang memberikan kemudahan besar untuk ramalan dan analisis siri masa.

Atas ialah kandungan terperinci Penjelasan terperinci model ARIMA dalam Python. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!