本文解决了在使用ARIMA模型进行时间序列预测时遇到的类型转换错误，详细介绍了如何将整型数据转换为浮点数以避免“Cannot cast ufunc subtract output from dtype('float64') to dtype('int64') with casting rule ‘same_kind’”的错误，并探讨了不同时间频率设置的影响。
model = ARIMA(stock_train, order=(2, 1, 2),freq=None)
result = model.fit()
报错信息：Cannot cast ufunc subtract output from dtype(‘float64’) to dtype(‘int64’) with casting rule ‘same_kind’
原因是由于读取的csv数据是整形，将其中的数据修改为浮点数，问题解决。
不知道是不是arima训练模型的数据必须为float。可以通过下面的语句完成类型转换
dta=np.array(dta,dtype=np.float)
索引时间以天为间隔没问题，但修改为小时间隔会报错
model = ARIMA(stock_train, order=(2, 1, 2),freq=‘H’)
——以时间点为索引查看，需要根据freq修改配置
扫一扫
6217
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
