【问题标题】:predict statsmodel argument Error预测 statsmodel 参数错误
【发布时间】:2016-04-19 11:53:56
【问题描述】:

我正在尝试预测数组的样本外值。 Python代码:

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

    dates = pd.date_range('2012-07-09','2012-07-30')
    series = [43.,32.,63.,98.,65.,78.,23.,35.,78.,56.,45.,45.,56.,6.,63.,45.,64.,34.,76.,34.,14.,54.]
    res = pd.Series(series, index=dates)
    r = ARIMA(res,(1,2,0))
    pred = r.predict(start='2012-07-31', end='2012-08-31')

我收到此错误。我看到我给出了两个参数,但编译器返回我给出了 3。

Traceback (most recent call last):
  File "XXXXXXXXX/testfile.py", line 12, in <module>
    pred = r.predict(start='2012-07-31', end='2012-08-31')
TypeError: predict() takes at least 2 arguments (3 given)

请帮忙

【问题讨论】:

  • 错误信息很奇怪——显然3至少是2,所以它没有多大意义。您确定这是您收到的确切信息吗?
  • 是的,我确定。我已经更新了完整的错误

标签: python statsmodels


【解决方案1】:

ARIMA.predict的调用签名是

predict(self, params, start=None, end=None, exog=None, dynamic=False)

因此,当您调用 r.predict(start='2012-07-31', end='2012-08-31') 时,self 被绑定到 r,值被绑定到 startend,但所需的位置参数 params 没有被绑定。这就是你得到错误的原因

TypeError: predict() takes at least 2 arguments (3 given)

很遗憾,错误消息具有误导性。 “3 给定”指的是rstartend。 “2 个参数”指的是两个必需的参数,selfparams。 问题是 required 位置参数params 没有给出。

要解决问题,您需要参数。通常你通过拟合找到这些参数:

r = r.fit()

打电话之前

pred = r.predict(start='2012-07-31', end='2012-08-31')

r.fit() 返回一个 statsmodels.tsa.arima_model.ARIMAResultsWrapper 将参数“烘焙”,因此调用 ARIMAResultWrapper.fit 不需要传递 params


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

dates = pd.date_range('2012-07-09','2012-07-30')
series = [43.,32.,63.,98.,65.,78.,23.,35.,78.,56.,45.,45.,56.,6.,63.,45.,64.,34.,76.,34.,14.,54.]
res = pd.Series(series, index=dates)
r = ARIMA(res,(1,2,0))
r = r.fit()
pred = r.predict(start='2012-07-31', end='2012-08-31')
print(pred)

产量

2012-07-31   -39.067222
2012-08-01    26.902571
2012-08-02   -17.027333
...
2012-08-29     0.532946
2012-08-30     0.532447
2012-08-31     0.532780
Freq: D, dtype: float64

【讨论】:

    猜你喜欢
    • 1970-01-01
    • 2015-06-29
    • 1970-01-01
    • 2018-06-23
    • 2013-12-11
    • 1970-01-01
    • 1970-01-01
    • 2021-03-21
    • 1970-01-01
    相关资源
    最近更新 更多