建模 ARIMA 时出现 LinAlgError

Question

我在建模 ARIMA 和检查 MSE 时遇到了一个奇怪的问题。

这是我正在尝试的代码。

from sklearn.metrics import mean_squared_error
import sys

split_point = int(len(value_series) * 0.66)
train, test = value_series.values[0:split_point], value_series.values[split_point:]
history = [float(x) for x in train]
predictions = list()

for t in range(len(test)):
    try:
        model = ARIMA(history, order=(2,1,2))
        model_fit = model.fit(disp=0)
        output = model_fit.forecast()
        yhat = output[0]
        predictions.append(yhat)
        obs = test[t]
        history.append(obs)
        print('# %s predicted=%f, expected=%f' % (t, yhat, obs))
    except:
        print("Unexpected error:", sys.exc_info()[0])
        pass

error = mean_squared_error(test, predictions)
print('Test MSE: %.3f' % error)

我得到的错误是Unexpected error: <class 'numpy.linalg.linalg.LinAlgError'> 在线model_fit = model.fit(disp=0)。 该错误从第 282 位到列表长度为 343 的数据末尾出现，但我仍然找不到任何解决方案和原因。

无论如何，预测和测试的长度输出分别为 282 和 343。我不知道为什么预测无法附加 yhat，这意味着 arima.fit.forcast() 的输出无法分配 yhat...

+) 这就是SVD did not converge 错误。

Answer 1

试试：

X = value_series.values
size = int(len(X) * 0.66)
trn, tst = X[0:size], X[size:len(X)]
hsty = [x.astype(float) for x in trn]
pred = []
for i in range(len(tst)):
    try:
        model = ARIMA(hsty, order=(3,1,1))
        model_fit = model.fit(disp=0, start_ar_lags = None)
        residuals = DataFrame(model_fit.resid)
        out = model_fit.forecast()
        yhat = out[0]
        predictions.append(yhat)
        obs = tst[i]
        hsty.append(obs)
        print('predicted=%f, expected=%f' % (yhat, obs))
    except:
        pass
if len(tst)>len(pred):
    err = mean_squared_error(tst[:len(pred)], pred)
else:
    err = mean_squared_error(tst, pred[:len(tst)])
print(f'Test MSE : {err:.3f}')