m0_63168931的博客

第十届“泰迪杯”论文和代码

传统机器学习ARIMA模型是一种随机时序分析，其实质是差分运算和ARMA模型的组合，但由于ARIMA模型需要调整的参数比较多且网格寻优速度比较慢，所以Auto-ARIMA应运而生。由于Auto-ARIMA只需自定义参数范围并自己寻找最佳参数。所以其实是比较容易实现的。但是它的预测精度其实是不如用ARIMA手动寻找的精度高的，但是由于其方便快捷，其实还是有一定的可用性。废话不多说直接上代码model = pm.auto_arima(x_train["y"], start_p=1, s..

ARIMA思维导图和解决全过程方法基本思路就是这样，接下来带你一步步实现白噪声检验白噪声序列各项之间没有任何的关系，完全为无序波动，没有任何信息可提供即终止分析。代码from statsmodels.stats.diagnostic import acorr_ljungboxprint("白噪声检验结果为："，acorr_ljungbox(data,lags=1))#这里得到两个值，第一个是统计量第二个是p值，一般来说p小于0.05就可以判定