我目前正在使用pmdarima.pipeline.Pipeline.fit（y，exogenous = None，** fit_kwargs）用pmdarima库建立ARIMAX模型
参数说明：
exogenous：类似数组，shape = [n_obs，n_vars]，可选（默认=无）
An optional 2-d array of exogenous variables. If provided, these variables are used as additional features in the regression operation. This should not include a constant or trend. Note that if an ARIMA is fit on exogenous features, it must be provided exogenous features for making predictions.
但是我不明白这种格式的含义：shape = [n_obs，n_vars]。
n_obs和n_vars是什么意思？
为什么我们需要这种格式，而不需要时间序列格式的外生变量？
感谢您的帮助
答案 0 :(得分：0)
泰勒·史密斯先生给我发了电子邮件。
希望它可以在将来帮助其他人
我确定您知道，外生变量或协变量在大多数ML算法中均以二维矩阵形式表示。沿着行轴是观测值，沿着列轴是变量或特征向量（因此n_samples x n_features）。您要查询的约定是Numpy和scikit-learn用于表示类似数组的对象的形状的约定（例如，参见scikit-learn的Lasso文档）。 “ shape = [n_obs，n_vars]”仅表示二维矩阵，其行和行均带有样本。
关于您为什么不能使用时间序列的问题...您的y变量应该是时间序列（实际上只是一个向量或一维数组），因为这就是您将从中预测的结果。那是唯一需要的数据。外生变量纯粹是可选的补充数据。