python statsmodel的使用

Posted on by

1、Pandas

Python Data Analysis Library 或 pandas 是基於NumPy 的一種工具，相當於這是Python官方自己的一套庫

statsmodel是基於Pandas開發的一套庫，用於一些描述統計、統計模型估計、推斷、預測

2、自回歸模型（AutoRegression model，AR）

自回歸，從物理的角度來理解就是：當前記錄與其歷史記錄的差值。eg，自回歸認為歷史的發展是一條斜率一定的直線。

3、滑動平均模型（moving average model, MA）

移動平均，從物理的角度來理解就是：當前記錄是歷史記錄的均值。eg，移動平均模型認為歷史的發展是一條水平的線。

4、高級時間序列模型ARMA

ARMA就是把AR和MA結合在一起的一種算法，當AR和MA混合在一起，可以認為是一個y=ax+b的過程，自回歸提供瞭a這個系數，移動平均提供瞭b這個截距。

5、高級時間序列模型ARIMA【autoregression intergrated moving average差分自回歸移動平均】

ARIMA中，I指代的差分，其實是 前後時間上數值的差異，ARIMA就是使用差分的數據來進行ARMA建模

6、ARMA測試

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import statsmodels.api as sm
from statsmodels.graphics.tsaplots import acf, pacf, plot_acf, plot_pacf
from statsmodels.tsa.arima_model import ARMA
from statsmodels.tsa.stattools import arma_order_select_ic

if __name__ == "__main__":

  time_series = pd.Series(
    [151.0, 188.46, 199.38, 219.75, 241.55, 262.58, 328.22, 396.26, 442.04, 517.77, 626.52, 717.08, 824.38, 913.38,
     1088.39, 1325.83, 1700.92, 2109.38, 2499.77, 2856.47, 3114.02, 3229.29, 3545.39, 3880.53, 4212.82, 4757.45,
     5633.24, 6590.19, 7617.47, 9333.4, 11328.92, 12961.1, 15967.61])
  # print('BIC求解的模型階次為', arma_order_select_ic(time_series, max_ar=10, max_ma=6, ic='bic')['bic_min_order'])
  print('time_series:', len(time_series))
  my_arma = ARMA(time_series, (1, 0)) # 這裡的(1, 0)從arma_order_select_ic函數返回,但是這裡返回6,7運行失敗
  model = my_arma.fit()
  result = model.forecast(10)[0]
  print('result:', result)

以上就是python statsmodel的使用的詳細內容，更多關於python statsmodel的資料請關註WalkonNet其它相關文章！

推薦閱讀：