如何找到ARIMA模型的准确性？

Question

问题描述：预测CPU利用率 方法：使用时间序列算法。

第1步：从Elasticsearch收集了1000个观察结果并在Python上导出。

第2步：绘制数据并检查数据是否静止。

第3步：使用日志将数据转换为固定格式。

第4步：完成DF测试，ACF和PACF。

第5步：构建ARIMA(3,0,2)模型。

第6步：预测。

我构建了ARIMA (3,0,2)时间序列模型但无法找到模型的准确性。是否有任何命令可以通过它来检查Python中模型的准确性？

如果我的方法是否正确以及如何在Python中找到模型的准确性，请指点一下吗？

Answer 1

我一直在对此进行一些研究，遗憾的是，我在python中找不到关于score的{​​{1}}函数。我建议您按照之前site的回答推荐此post。

此外，正如答案中所述，“statsmodels确实具有连续因变量的性能指标。”

希望有些极客可以找到并回答，如果我发现任何相关内容，我一定会把它发布到社区。

Answer 2

方法正确与否-

我希望您能从ACF和PACF中找到最佳的P，Q值。 python中有github代码，可以像自动Arima（自动找到最佳参数）一样工作，因此您不必担心P，q值。基本上取P，Q值，其中模型的BIC最小。

Pyhton代码-

有三个主要指标可用于评估线性模型。它们是：平均绝对误差（MAE），均方误差（MSE）或均方根误差（RMSE）。

MAE ：最容易理解。代表平均误差

MSE ：与MAE相似，但噪声被夸大，较大的错误被“惩罚”。与MAE相比，它更难解释，因为它不在基本单位内，但是通常更受欢迎。

RMSE ：最受欢迎的指标，与MSE相似，但其结果是平方根的，因此它以基本单位为单位时更具解释性。建议将RMSE用作解释模型的主要指标。

下面，您将看到如何计算每个指标。它们全部都需要两个列表作为参数，一个是您的预测值，另一个是真实值-