时间序列分析中的 statsmodels.tsa.arima_model被抛弃了，如何解决？

最新推荐文章于 2024-10-28 15:25:05 发布

原创最新推荐文章于 2024-10-28 15:25:05 发布 · 1.1w 阅读

21 ·

CC 4.0 BY-SA版权

文章标签：

#机器学习 #深度学习

ARIMA 专栏收录该内容

1 篇文章

订阅专栏

本文档介绍了在Python中使用statsmodels库的ARIMA模型进行时间序列预测时遇到的问题及其解决方法。首先，由于旧的导入方式已被弃用，需要更新为`from statsmodels.tsa.arima.model import ARIMA`来导入ARIMA模型。然后，通过调整参数 `(1,1,1)` 对训练数据 `y_train` 进行拟合。在预测阶段，原本的代码中回参变量过多，只需保留 `y_pred`，修正后的代码为 `y_pred = model_fit.forecast(len(y_valid))`。经过这些修改，所有报错已成功解决。

部署运行你感兴趣的模型镜像

from statsmodels.tsa.arima_model import ARIMA
# Fit model
model = ARIMA(y_train, order=( 1,1,1)) #自己调整参数
model_fit = model.fit()

在这里插入图片描述

解决办法：

（说明:因为之前那个被python抛弃了，说是换成更好的所有得直接从statsmodels.tsa.arima.model导入ARIMA包）

from statsmodels.tsa.arima.model import ARIMA
# Fit model
model = ARIMA(y_train, order=(1 ,1,1))
model_fit = model.fit()

或者

import statsmodels.api as sm
model_fit = sm.tsa.ARIMA(y_train, order=(1,1,1)).fit()

两种方法都是一样的效果，都能解决该问题

但我修改好，又遇到了第二个问题：

# Prediction with ARIMA
y_pred,pr,ens= model_fit.forecast(len(y_valid))

在这里插入图片描述

发现我回参变量值给多了，删除pr，ens即可

# Prediction with ARIMA
y_pred= model_fit.forecast(len(y_valid))

以上报错全部解决！

您可能感兴趣的与本文相关的镜像

Python3.10

Conda

Python

Python 是一种高级、解释型、通用的编程语言，以其简洁易读的语法而闻名，适用于广泛的应用，包括Web开发、数据分析、人工智能和自动化脚本