我手动制作了20个模型，发现每个模型应该使用d=1或D=1 ，但是 auto_arima从未使用差异参数（即使一个模型根本没有d或D，所有试验都像（1,0,1）x（0，0，1，52）。我检查了一下通过设置trace=True）。
我希望auto_arima进行参数网格搜索 pdq=(0~3, 0~1, 0~3)和PDQs=(0~3, 0~1, 0~3, 52) 。
我将参数设置如下：
start_p=0,
start_q=0,
max_p=3,
max_d=1,
max_q=3,
start_P=0,
D=None,
start_Q=0,
max_P=2,
max_D=1,
max_Q=2,
max_order=10,
m=52,
seasonal=True,
stationary=False,
information_criterion='aic',
alpha=0.05,
test='kpss',
seasonal_test='ocsb',
stepwise=True,
n_jobs=-1,
start_params=None,
trend=None,
method=None,
transparams=True,
maxiter=None,
n_fits=100,
with_intercept=True,
如何使auto_arima进行网格搜索，我想做什么？
答案 0 :(得分：1)
关于pmdarima及其对auto_arima的实现，您应该了解几件事。目前，我正在对此进行说明，以便尝试回答您的问题。
网格搜索：auto_arima的实现使用逐步算法来识别最佳参数。它是您参数中的stepwise，默认情况下设置为True。 API中写道：
逐步算法比拟合所有超参数组合要快得多，并且不太可能过拟合模型。
如果要进行网格搜索，则必须将此参数设置为False。
差分参数：尝试使用此选项（stepwise=False）时，它将尝试除两个参数-d和D以外的所有组合。这是因为它们是估计值，不包含在params搜索中。在问题中列出的参数中，您有两个测试-test和seasonal_test。这些方法分别用于为d和D选择值。
我建议您阅读Understanding p, d and q上的文档。您可以更好地了解它们如何处理差分参数估计。
您也可以尝试直接测试这些方法（只需更改test的值）：
from pmdarima.arima.utils import ndiffs
ndiffs(y, test='kpss')
我不知道如何在网格搜索中测试d参数，我认为Python和R实现都执行相同或相似的估计。因此，您可以自己执行此操作，并使用手动设置的差异参数运行auto_arima，而无需进行网格搜索。否则，它将自动为d和D选择值。问题是-当这些自动测试说的有些不同时，您怎么知道每个模型都应该使用d=1和D=1？