Question

我正在尝试使用ExponentialSmoothing（使用熊猫）来预测电力需求。

我编写的代码及其输出随即附在此消息的末尾。

关于为什么会产生所有NaN的任何线索？培训按小时间隔，我假设每天（24个测量值）为季节性。

预先感谢

胡安·弗洛雷斯

print('modeling')

t1=time.time()

model = ExponentialSmoothing(KWHTr, trend='add', seasonal='add', 

seasonal_periods=24).fit()

t2=time.time()

print('modeling time: ', t2-t1, 'sec')

print('predicting')

start_date = KWHVa.index[0] 

end_date = KWHVa.index[-1]

print('period: (', start_date, '-', end_date,')')

pred=KWHVa.copy()

pred = model.predict(start=start_date, end=end_date)

print(pred)

print('*')

输出：

modeling

modeling time:  109.9684362411499 sec

predicting

period: (2017-10-29 10:00:00 - 2017-11-02 13:00:00 )

2017-10-29 10:00:00   NaN

2017-10-29 11:00:00   NaN

2017-10-29 12:00:00   NaN

2017-10-29 13:00:00   NaN

2017-10-29 14:00:00   NaN

                       ..

2017-11-02 09:00:00   NaN

2017-11-02 10:00:00   NaN

2017-11-02 11:00:00   NaN

2017-11-02 12:00:00   NaN

2017-11-02 13:00:00   NaN

Freq: H, Length: 100, dtype: float64

*

Answer 1

很抱歉，训练数据包含一些NaN，因此无法建模或预测。

我不好！

胡安

python中的指数平滑会产生所有NaN

1 个答案: