为什么我的预测预测以NaN的形式出现？

Question

我的问题很简单，我知道我遗漏了一些非常明显的东西，我只是不知道这是什么。...

我对Holt-Winters的测试预测是NaN，我不知道为什么。有人可以帮忙吗？

我正在使用Jupyter笔记本，并尝试使用Holt-Winters方法预测一个SKU的销售额。我什至甚至使用

这是我使用的代码：

导入执行Holt-Winters所需的库

将熊猫作为pd导入 将numpy导入为np ％matplotlib内联

df = pd.read_csv（'../ Data / M1045_White.csv'，index_col ='Month'，parse_dates = True）

将月份列设置为索引列

df.index.freq ='MS' df.index

df.head（）

df.info（） DatetimeIndex：48个条目，2015-05-01至2019-04-01 频率：MS 数据列（共7列）： 销量48非null int64 EWMA12 48非空float64 SES12 47非空float64 DESadd12 47非空float64 DESmul12 47非空float64 TESadd12 48非空float64 TESmul12 12非空float64 dtypes：float64（6），int64（1） 内存使用量：3.0 KB

从statsmodels.tsa.holtwinters导入SimpleExpSmoothing

训练测试分组

train_data = df.iloc [：36]＃上升到但不包括36 test_data = df.iloc [12：]

适合模型

fitted_model = exponentialSmoothing（train_data ['Sales']，trend ='mul'，seasonal ='mul'，seasonal_periods = 12）.fit（）

test_predictions = fit_model.forecast（12）.rename（'HW M1045 White Forecast'）

test_predictions

这是我的预测结果：

2018-05-01 NaN 2018-06-01 NaN 2018-07-01 NaN 2018-08-01 NaN 2018-09-01 NaN 2018-10-01 NaN 2018-11-01 NaN 2018-12-01 NaN 2019-01-01 NaN 2019-02-01 NaN 2019-03-01 NaN 2019-04-01 NaN 频率：MS，名称：HW M1045 White Forecast，dtype：float64

有人可以指出我可能错过的内容吗？使用简单的解决方案，这似乎是一个简单的问题，但这却使我大吃一惊。

谢谢！

Answer 1

答案与将seasonal_periods变量设置为12有关。如果将其更新为6，则预测会得出实际值。我不是指数平滑的统计专家，因此无法理解为什么会出现这种情况。