在 python 中使用 ARIMA 进行预测/预测 - 它是如何工作的？

Question

我对如何使用 ARIMA 进行预测/预测感到非常困惑。

假设我们有一个名为y_orig 的系列，我们将其分为y_train 和y_test。假设y_orig 不是静止的，我们可以使用下面的代码拟合 ARIMA

# fit ARIMA model
from statsmodels.tsa.arima_model import ARIMA
model = ARIMA(y_train, order=(2,1,2))
model_fit = model.fit(disp=0)
print(model_fit.summary())

拟合模型后，我们可以使用下面的代码进行预测

n_periods = len(`y_test`)

fc, -, - = model_fit.forecast(n_periods, alpha=0.05)  # 95% conf

值fc 应该给出一个预测，然后我将其与y_test 进行比较。请注意，正如预期的那样，y_test 没有在训练阶段使用。另请注意，我不是在寻找滚动预测，而是在寻找参数（一旦训练）固定的长期预测。

我很困惑，因为在预测阶段根本没有使用y_test。
例如，如果我们要使用其他预测模型（如 Keras 或 tensorflow）。我们会这样编码。

首先，我们将模型拟合到我没有展示的训练阶段——这对我的问题无关紧要。然后我们使用下面的代码预测并查看我们的拟合程度in sample。

y_pred_train=model.predict(y_train)

然后我们测试模型out of sample如下：

y_pred_test=model.predict(y_test)

在这种情况下，不会重新估计参数，并且在测试阶段使用y_test 来预测下一个值（具有固定参数）。

因此我对 ARIMA 感到困惑。为什么我们不对 ARIMA 模型做同样的事情？

请帮助我理解，因为我很困惑。

非常感谢！！

Answer 1

我认为您对ARIMA 代码块中的.fit 和y_train 有点困惑。 y_train 在这里只是一个名字不好的变量，它应该只是 y，我要预测的数据。 ARIMA 模型没有训练/测试阶段，它不是自学的。它对输入数据进行统计分析，并进行预测。如果你想再做一次预测（在y_test上），你需要再做一次统计分析（使用model.fit）并再做一次预测（使用model.forecast）。 ARIMA 模型没有任何 weights 它在训练阶段训练，与任何先前“拟合”的数据相关的任何内容都不会保存在模型中。您不能使用“拟合”ARIMA 模型来预测其他数据样本。