Question

我正在尝试为我的时间序列数据创建ARIMA模型。我该如何对其代码进行平滑处理才能使其正常运行？

我正在使用statsmodels在python中创建ARIMA模型，但是却收到错误警告

    indexedDataset_logscale.head(10)
    OUTPUT: 
                Price
    Period  
    2013-02-08  2.515274
    2013-02-11  2.526528
    2013-02-12  2.520113
    2013-02-13  2.515274
    2013-02-14  2.543961
    2013-02-15  2.544040
    2013-02-19  2.530119
    2013-02-20  2.516082
    2013-02-21  2.508786
    2013-02-22  2.5273

    #AR Model
    from statsmodels.tsa.arima_model import ARIMA

    model = ARIMA(indexedDataset_logscale, order=(0, 1, 2))
    results_AR = model.fit(disp = -1)
    plt.plot(datasetLogDiffShifting)
    plt.plot(results_AR.fittedvalues, color = 'red')
    plt.title('RSS: %.4f' %sum((results_AR.fittedvalues-datasetLogDiffShifting['Price'])**2))
    print('Plotting AR Model')

Error messages i get are:

“ ValueWarning：已经提供了日期索引，但是它没有关联的频率信息，因此在例如预测。例如在预测”。，ValueWarning）
8个plt.title（'RSS：％.4f'％sum（（results_AR.fittedvalues-datasetLogDiffShifting ['Price']）** 2）） TypeError：“ str”对象不可调用

Answer 1

1）看来您的索引没有设置频率尝试将此添加到Arima之前

df.index.freq = 'D'

D是每天的时间戳，似乎您不是线性/有规律的，很难定义问题所在。在熊猫中检查其他频率选项。

为避免警告，请在脚本开头键入以下内容：

#Clear console
import warnings
warnings.filterwarnings("ignore")

Answer 2

问题在于，在您的数据中，索引似乎是每日的，但某些日期不是连续的天。您可以提供缺少的日期，然后插值这些日期的值，如下所示：

df = df.resample('D').mean()
df["Price"] = df["Price"].interpolate(method='linear', axis=0).ffill().bfill()

然后您将能够建立模型并绘制拟合值。

如何修复Python中的ARIMA MODEL错误

2 个答案: