pythonarima

Ⅰ arima模型python 怎麼看平穩性

時間序列分析(一) 如何判斷序列是否平穩
序列平穩不平穩，一般採用兩種方法：
第一種：看圖法
圖是指時序圖，例如(eviews畫滴)：

分析：什麼樣的圖不平穩，先說下什麼是平穩，平穩就是圍繞著一個常數上下波動。
看看上面這個圖，很明顯的增長趨勢，不平穩。

第二種：自相關系數和偏相關系數
還以上面的序列為例：用eviews得到自相關和偏相關圖，Q統計量和伴隨概率。

分析：判斷平穩與否的話，用自相關圖和偏相關圖就可以了。
平穩的序列的自相關圖和偏相關圖不是拖尾就是截尾。截尾就是在某階之後，系數都為 0 ，怎麼理解呢，看上面偏相關的圖，當階數為 1 的時候，系數值還是很大， 0.914. 二階長的時候突然就變成了 0.050. 後面的值都很小，認為是趨於 0 ，這種狀況就是截尾。再就是拖尾，拖尾就是有一個衰減的趨勢，但是不都為 0 。
自相關圖既不是拖尾也不是截尾。以上的圖的自相關是一個三角對稱的形式，這種趨勢是單調趨勢的典型圖形。

下面是通過自相關的其他功能
如果自相關是拖尾，偏相關截尾，則用 AR 演算法
如果自相關截尾，偏相關拖尾，則用 MA 演算法
如果自相關和偏相關都是拖尾，則用 ARMA 演算法， ARIMA 是 ARMA 演算法的擴展版，用法類似 。
不平穩，怎麼辦？
答案是差分
還是上面那個序列，兩種方法都證明他是不靠譜的，不平穩的。確定不平穩後，依次進行1階、2階、3階...差分，直到平穩位置。先來個一階差分，上圖。

從圖上看，一階差分的效果不錯，看著是平穩的。

Ⅱ python 時間序列分析 收斂性問題

Python與R相比速度要快。Python可以直接處理上G的數據；R不行，R分析數據時需要先通過資料庫把大數據轉化為小數據（通過groupby）才能交給R做分析，因此R不可能直接分析行為詳單，只能分析統計結果。所以有人說：Python=R+SQL/Hive，並不是沒有道理的。

Ⅲ 如何使用Python超參數的網格搜索ARIMA模型

可以在Python中將其實現為一個新的獨立函數，名為evaluate_arima_model（），它將時間序列數據集作為輸入，以及具有p，d和q參數的元組作為輸入。
數據集分為兩部分：初始訓練數據集為66％，測試數據集為剩餘的34％。

Ⅳ 用Python預測「周期性時間序列」的正確姿勢

公司平台上有不同的api，供內部或外部調用，這些api承擔著不同的功能，如查詢賬號、發版、搶紅包等等。日誌會記錄下每分鍾某api被訪問了多少次，即一個api每天會有1440條記錄（1440分鍾），將每天的數據連起來觀察，有點類似於股票走勢的意思。我想通過前N天的歷史數據預測出第N+1天的流量訪問情況，預測值即作為合理參考，供新一天與真實值做實時對比。當真實流量跟預測值有較大出入，則認為有異常訪問，觸發報警。

我放了一份樣例數據在data文件夾下，
看一下數據大小和結構

畫圖看一下序列的走勢:（一些畫圖等探索類的方法放在了test_stationarity.py 文件中，包含時間序列圖，移動平均圖，有興趣的可以自己嘗試下）。

看這糟心的圖，那些驟降為0的點這就是我遇到的第一個坑，我當初一拿到這份數據就開始做了。後來折騰了好久才發現，那些驟降為0的點是由於數據缺失，ETL的同學自動補零造成的，溝通晚了(TДT)。

把坑填上，用前後值的均值把缺失值補上，再看一眼：

發現這份數據有這樣幾個特點，在模型設計和數據預處理的時候要考慮到：

前六天的數據做訓練，第七天做測試集。

消除數據的毛刺，可以用移動平均法，我這里沒有採用，因為我試過發現對於我的數據來說，移動平均處理完後並不能使數據平滑，我這里採用的方法很簡單，但效果還不錯：把每個點與上一點的變化值作為一個新的序列，對這里邊的異常值，也就是變化比較離譜的值剃掉，用前後數據的均值填充，注意可能會連續出現變化較大的點：

平滑後的訓練數據：

採用statsmodels工具包：

對分解出來的趨勢部分單獨用arima模型做訓練：

預測出趨勢數據後，加上周期數據即作為最終的預測結果，但更重要的是，我們要得到的不是具體的值，而是一個合理區間，當真實數據超過了這個區間，則觸發報警，誤差高低區間的設定來自剛剛分解出來的殘差resial數據：

預測並完成最後的加法處理，得到第七天的預測值即高低置信區間：

對第七天作出預測，評估的指標為均方根誤差rmse，畫圖對比和真實值的差距：

可以看到，均方根誤差462.8，相對於原始數據幾千的量級，還是可以的。測試數據中的兩個突變的點，也超過了置信區間，能准確報出來。

前文提到不同的api形態差異巨大，本文只展示了一個，我在該項目中還接觸了其他形態的序列，有的有明顯的上升或下降趨勢；有的開始比較平緩，後面開始增長... ... ,但是都屬於典型的周期性時間序列，它的核心思想很簡單：做好分解，做好預測結果的還原，和置信區間的設置，具體操作可根據具體業務邏輯做調整，祝大家建模愉快:-D。

Ⅳ 如何利用python實現多元ARIMAX建模

可以在Python中將其實現為一個新的獨立函數，名為evaluate_arima_model（），它將時間序列數據集作為輸入，以及具有p，d和q參數的元組作為輸入。
數據集分為兩部分：初始訓練數據集為66％，測試數據集為剩餘的34％。

Ⅵ 請問差分後平穩序列的acf和pacf都沒有拖尾和截尾就沒有可選的模型嗎因設置arima(0,1,0)就會報錯。

在sas軟體中，我們可以通過得到的自相關函數圖和偏相關函數圖來判斷。
如果樣本自相關系數和樣本偏自相關系數在最初的階明顯大於2倍標准差，而後幾乎95%的系數都落在2倍標准差的范圍內，且非零系數衰減為小值波動的過程非常突然，通常視為k階截尾；
如果有超過5%的樣本相關系數大於2倍標准差，或者非零系數衰減為小值波動的過程比較緩慢或連續，通常視為拖尾。

Ⅶ ARIMA模型用Python分析需要安裝什麼庫

需要安裝requests庫
1.requests庫
用一句話總結就是：每個Python程序員都應該有它，爬取數據必備！
2.scrapy
提取結構化數據而創建的一個爬蟲框架，是目前python社區最流行的爬蟲框架之一
3.wxPython
Python的一個GUI（圖形用戶界面）工具
4.BeautifulSoup
xml和html的解析庫對於新手非常有用
5.Pygame
哪個程序員不喜歡玩游戲和寫游戲？這個庫會讓你在開發2D游戲的時候如虎添翼
6.Pyglet
3D動畫和游戲開發引擎
7.NumPy
為Python提供了很多高級的數學方法
8.pandas
在數據操作和數據分析方面，Pandas絕無敵手。
9.Matplotlib
Matplotlib主要的作用,是用來生成繪圖,直方圖,功率譜,條形圖,錯誤圖,散點圖等,而Matplotlib是一個Python的2D繪圖庫,它以各種硬拷貝格式和跨平台的互動式環境生成出版質量級別的圖形。

Ⅷ 如何使用ML預測Python中的時間序列數據

通過numpy轉換：

• import numpy as np

• series['maxsal']= series['maxsal'].astype(np.float64)

• series['minsal']= series['minsal'].astype(np.float64)

在調用ARIMA之前，加入上面兩行。

• model = ARIMA(series, order=(1,1,0))



某些情況下，也可以選擇直接執行下面這行代碼：

• series = series.astype(np.float64)

Ⅸ python arima是哪個包

用forecast包中的auto.arima自動擬合Arima模型會顯示一串結果，最後一個結果就是 Best model: ARIMA(0,0,0)(0,1,0)[12] with drift，說明該結果是最好的擬合結果。結果說明一個AR(0),MA(0)和季節差分一次的Arima模型。

Ⅹ PyFlux庫函數是什麼

PyFlux是Python編程語言的開源時間序列庫。PyFlux是Python中為處理時間序列問題而創建的開源庫。該庫有一系列極好的時間序列模型，包括但不限於 ARIMA、 GARCH 和 VAR 模型。簡而言之，PyFlux提供了一個時間序列建模的概率方法。

PyFlux允許使用時間序列建模，並且已經實現了像GARCH這樣的現代時間序列模型。

時間序列研究是統計學和計量經濟學的一個子領域，目標可以描述時間序列如何表現（以潛在的因素或興趣的特徵來表示），也可以藉此預測未來的行為。

(10)pythonarima擴展閱讀：

Python擁有一個強大的標准庫。Python語言的核心只包含數字、字元串、列表、字典、文件等常見類型和函數，而由Python標准庫提供了系統管理、網路通信、文本處理、資料庫介面、圖形系統、XML處理等額外的功能。Python標准庫命名介面清晰、文檔良好，很容易學習和使用。

Python標准庫的主要功能有：

文本處理，包含文本格式化、正則表達式匹配、文本差異計算與合並、Unicode支持，二進制數據處理等功能

文件處理，包含文件操作、創建臨時文件、文件壓縮與歸檔、操作配置文件等功能

操作系統功能，包含線程與進程支持、IO復用、日期與時間處理、調用系統函數、寫日記(logging)等功能

網路通信，包含網路套接字，SSL加密通信、非同步網路通信等功能

網路協議，支持HTTP，FTP，SMTP，POP，IMAP，NNTP，XMLRPC等多種網路協議，並提供了編寫網路伺服器的框架

W3C格式支持，包含HTML，SGML，XML的處理

其它功能，包括國際化支持、數學運算、HASH、Tkinter等