Question

试图全神贯注于如何实现ARIMA模型以产生（可以说）简单的预测。从本质上讲，我希望做的是预测今年的预订量，直到今年年底，然后以csv的形式导出。看起来像这样：

date           bookings
2017-01-01     438
2017-01-02     167
...
2017-12-31     45
2018-01-01     748
...
2018-11-29     223
2018-11-30     98
...
2018-12-30     73
2018-12-31     100

预计会有比今天（18/11/28）大的地方。

我尝试做的事情：

这给了我我的数据集，基本上是两列，是2017年全年和预订的每日数据：

import pandas as pd
import statsmodels.api as sm
# from statsmodels.tsa.arima_model import ARIMA
# from sklearn.metrics import mean_squared_error

import matplotlib.pyplot as plt
plt.style.use('fivethirtyeight')
import matplotlib
matplotlib.rcParams['axes.labelsize'] = 14
matplotlib.rcParams['xtick.labelsize'] = 12
matplotlib.rcParams['ytick.labelsize'] = 12
matplotlib.rcParams['text.color'] = 'k'

df = pd.read_csv('data.csv',names = ["date","bookings"],index_col=0)
df.index = pd.to_datetime(df.index)

这是“建模”位：

X = df.values
size = int(len(X) * 0.66)
train, test = X[0:size], X[size:len(X)]
history = [x for x in train]
predictions = list()
for t in range(len(test)): 
    model = ARIMA(history, order=(1,1,0))
    model_fit = model.fit(disp=0)
    output = model_fit.forecast()

    yhat = output[0]
    predictions.append(yhat) 

    obs = test[t]
    history.append(obs)

    #   print('predicted=%f, expected=%f' % (yhat, obs))
#error = mean_squared_error(test, predictions)
#print(error)
#print('Test MSE: %.3f' % error)
# plot
plt.figure(num=None, figsize=(15, 8))
plt.plot(test)
plt.plot(predictions, color='red')
plt.show()

将结果导出到csv：

df_forecast = pd.DataFrame(predictions)
df_test = pd.DataFrame(test)
result = pd.merge(df_test, df_forecast, left_index=True, right_index=True)
result.rename(columns = {'0_x': 'Test', '0_y': 'Forecast'}, inplace=True)

我遇到的麻烦是：

了解训练/测试子集。如果我错了，请纠正我，但是使用训练集训练模型并生成“预测”数据，然后通过“测试”将预测与测试进行比较？
2017年的数据看起来不错，但是如何在2018年的数据上实现呢？如何获得训练/测试集？我什至需要它吗？

我认为我需要做的事情：

从我的数据库中获取2017年和2018年的预订数据集
在2017年和2018年之前将其拆分
对2018年做出一些预测
将此2018年+预测数据追加到2017年并导出为csv

操作方法以及为什么是我遇到的问题。任何帮助将不胜感激

Answer 1

这里有一些想法：

了解训练/测试子集。如果我错了，请纠正我，但是使用训练集训练模型并生成“预测”数据，然后通过“测试”将预测与测试进行比较？

是的，这是正确的。这个想法与任何机器学习模型相同，在训练/测试中拆分数据，使用训练数据拟合模型，并使用测试使用一些误差度量将实际模型预测与实际数据进行比较。但是，当您处理时间序列数据时，必须按照时间顺序执行训练/测试拆分。

2017年的数据看起来不错，但是如何在2018年的数据上实现呢？如何获得训练/测试集？我什至需要它吗？

您实际上拥有2018年数据的csv吗？进行训练/测试划分所需要做的一切都与处理2017年数据相同，即保持训练规模不变，然后结束测试train, test = X[0:size], X[size:len(X)]的预测。但是，如果您要对今天的日期进行预测，为什么不将所有历史数据用作模型的输入并进行预测呢？

我认为我需要做的

在2017年和2018年之前将其拆分

您为什么要拆分它？只需将您的ARIMA模型的所有数据作为一个单一的时序序列输入，即可附加两个年度数据，并使用最后的size个样本作为测试。考虑到样本数量越大，估计值越好。验证了模型的性能后，就可以使用它来进行预测。

Python /熊猫-关于ARIMA预测的困惑，以获取简单的预测

1 个答案: