具有多个属性python的ARIMA答案

【问题标题】：ARIMA with more than one attribute python具有多个属性python的ARIMA
【发布时间】：2019-04-15 11:43:52
【问题描述】：

在这里，我有一个包含两个属性的数据集。我总共有 200 天，每天都有 TotalTransactionNumber 和 Price 属性，例如：

    Day, Price,TotalTransactionNumber
    10/18/2015 0:00,262.9,118916
    10/19/2015 0:00,264.42,151128
    10/20/2015 0:00,270.22,147335
    10/21/2015 0:00,267.33,149446
    10/22/2015 0:00,274.41,146556
    10/23/2015 0:00,277.46,142066
    10/24/2015 0:00,282.66,140943
    10/25/2015 0:00,283.07,131191

在这里，我正在尝试使用 ARIMA，但我不知道如何使用它。在这种情况下，我试图猜测价格值。如果只是价格，这个代码sn-p可以，但我不知道如何修改它。

from statsmodels.tsa.arima_model import ARIMA
import pandas as pd

series = pd.read_csv('prices.csv')
X = series.values
train, test = X[0:size], X[size:len(X)]
history = [x for x in train]
predictions = list()
for t in range(len(test)):
    model = ARIMA(history, order=(5,1,0))
    model_fit = model.fit(disp=0)
    output = model_fit.forecast()
    yhat = output[0]
    predictions.append(yhat)
    obs = test[t]
    history.append(obs)
    print('predicted=%f, expected=%f' % (yhat, obs))

【问题讨论】：

标签： python-3.x time-series arima

【解决方案1】：

TL;DR：了解ARIMA 的exog 参数。

据我所知，您从这个非常好的教程中获得了代码：

https://machinelearningmastery.com/arima-for-time-series-forecasting-with-python/

嗯，ARIMA 是一种分析和预测时间序列的统计方法。因此，起初它应该只处理来自时间序列本身的数据。但是，还有另一种称为 ARIMAX 的模型，它处理的外生数据可以补充通过主要时间序列观察到的数据。

在statsmodels的情况下，ARIMAX只是ARIMA在设置了参数exog时的特定情况。

您应该尝试解决这个问题，注意 Price 和 TotalTransactionNumber 之间的任何“隐藏”关联。

【讨论】：