【问题标题】:No result for SARIMAXSARIMAX 没有结果
【发布时间】:2020-11-30 17:11:58
【问题描述】:

我正在开展一个项目来分析 covid 19 如何影响发货量,并且我正在使用 SARIMAX 预测未来几个月的发货量。但是,我不断得到如下所示的结果:

   # Shipment volume data (monthly basis)
  
    df_monthly = df.loc[:'2020-06-30'].resample('MS').sum()
    df_monthly


   # covid 19 data (monthly basis)
     
     df_covid_monthly = df_covid.loc[:'2020-06-30']
     df_covid_monthly = df_covid.resample('MS').sum() 
     df_covid_monthly 

  
   # SARIMAX model
     
     model= SARIMAX(df_monthly, exog=df_covid_new, order=(2,1,1), enforce_invertibility=False, 
           enforce_stationarity=False)

     results= model.fit()

    # Prediction

    pred =  results.get_prediction(start='2020-06-01',end='2020-12-01',dynamic=False, index=None, 
    exog=df_covid_monthly['2020-02-01':], 
     extend_model=None, extend_kwargs=None)
    pred 

输出:

<statsmodels.tsa.statespace.mlemodel.PredictionResultsWrapper at 0x27b64b4a608> 

【问题讨论】:

  • 我不知道这是否是原因,但我注意到最后第三行的日期不在指定的范围内。这有什么具体原因吗?
  • 我所拥有的 covid 19 数据仅从 1/2/2020-1/6/2020 开始。我注意到,当我没有指定数据范围时,我会得到 ValueError: 提供的外生值不是适当的形状。需要 (6, 1),得到 (42, 1)。
  • 那么为什么要指定一个不在数据范围内的日期范围?将您的开始更改为 2020-02-01 并将结束更改为 2020-06-01 不是更正确吗? (请注意,我假设您的日期格式为 dd/mm/yyyy)
  • 我想预测未来几个月的出货量。我应该怎么做,因为我对此有点陌生?

标签: python time-series statsmodels forecasting arima


【解决方案1】:

这是预期的输出。您需要访问PredictionResultsWrapper 之外的属性,例如predicted_mean

查看开发文档:https://www.statsmodels.org/devel/generated/statsmodels.tsa.base.prediction.PredictionResults.html

请注意,您不会看到Wrapper,因为这只是一个附加索引并进行内务处理的类。 PredictionResults 是返回的主类。

【讨论】:

    【解决方案2】:

    经过多次阅读和修改我的代码的尝试,我终于能够得到我的预测结果。这是我所做的更改:
    model = sm.tsa.SARIMAX(endog=df_monthly, order=(1,1,1),seasonal_order=(0,1,1,12))

    model_fit = model.fit()

    prediction = model_fit.predict(start='2020-07-01',end='2020-1201',dynamic=False, exog=df_covid_monthly,extend_kwargs=None)

    【讨论】:

      猜你喜欢
      • 2023-01-29
      • 1970-01-01
      • 2019-12-09
      • 2022-01-27
      • 1970-01-01
      • 2019-12-16
      • 2012-11-04
      • 1970-01-01
      • 1970-01-01
      相关资源
      最近更新 更多