python arima时间序列分析_Arima实战（下）：利用Python中pyramid-arima库进行时间序列预测...

1. 安装

pyramid-arima 的安装请见 https://pypi.org/project/pyramid-arima/

(我只在linux系统上成功安装了，windows上没有成功)

$ pip install pyramid-arima

2. 代码实例

import numpy as np

import pandas as pd

from matplotlib import pyplot as plt

import pmdarima as pm

import warnings

warnings.filterwarnings("ignore")

2.1 加载数据集

df = pd.read_csv('dataset.csv')

split_point = 1000

data_train = df['x'].iloc[:split_point].values

data_test = df['x'].iloc[split_point:].values

2.2 训练模型

pm.auto_arima可以自动搜索出arima模型中的(q, d, p)参数

p--代表预测模型中采用的时序数据本身的滞后数(lags) ,也叫做AR/Auto-Regressive项

d--代表时序数据需要进行几阶差分化，才是稳定的，也叫Integrated项

q--代表预测模型中采用的预测误差的滞后数(lags)，也叫做MA/Moving Average项

model = pm.auto_arima(data_train)

2.3 模型预测

利用 model.predict() 函数预测

x_pred = model.predict(n_periods=1)

或更优的，使用 model.update() 函数，不断用新观测到的