python statsmodel的使用
1、Pandas
Python Data Analysis Library 或 pandas 是基于NumPy 的一種工具，相當(dāng)于這是Python官方自己的一套庫
statsmodel是基于Pandas開發(fā)的一套庫，用于一些描述統(tǒng)計、統(tǒng)計模型估計、推斷、預(yù)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(dāng)前記錄與其歷史記錄的差值。eg，自回歸認(rèn)為歷史的發(fā)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(dāng)前記錄是歷史記錄的均值。eg，移動平均模型認(rèn)為歷史的發(fā)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(jié)合在一起的一種算法，當(dāng)AR和MA混合在一起，可以認(rèn)為是一個y=ax+b的過程，自回歸提供了a這個系數(shù)，移動平均提供了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 前后時間上數(shù)值的差異，ARIMA就是使用差分的數(shù)據(jù)來進(jìn)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)) # 這里的(1, 0)從arma_order_select_ic函數(shù)返回,但是這里返回6,7運(yùn)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(xì)內(nèi)容，更多關(guān)于python statsmodel的資料請關(guān)注腳本之家其它相關(guān)文章！
相關(guān)文章
python神經(jīng)網(wǎng)絡(luò)使用Keras構(gòu)建RNN訓(xùn)練
這篇文章主要為大家介紹了python神經(jīng)網(wǎng)絡(luò)使用Keras構(gòu)建RNN網(wǎng)絡(luò)訓(xùn)練，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進(jìn)步，早日升職加薪<BR>2022-05-05
python基于paramiko將文件上傳到服務(wù)器代碼實現(xiàn)
這篇文章主要介紹了python基于paramiko將文件上傳到服務(wù)器代碼實現(xiàn),文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友可以參考下2019-07-07
這篇文章主要介紹了如何利用?Python?繪制動態(tài)可視化圖表,主要介紹介紹如何進(jìn)行保存gif格式的文件。那么我們就開始進(jìn)入主題，來談一下Python當(dāng)中的gif模塊,需要的朋友可以參考一下2022-02-02
這篇文章主要為大家介紹了Python運(yùn)算符&=使用實例探究,有需要的朋友可以借鑒參考下,希望能夠有所幫助,祝大家多多進(jìn)步,早日升職加薪2024-01-01
Python調(diào)用GPU算力的實現(xiàn)步驟
本文介紹了在Python中調(diào)用GPU算力的基本步驟,文中通過示例代碼介紹的非常詳細(xì),對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2025-03-03
使用 Python 實現(xiàn)微信消息的一鍵已讀的思路代碼
利用python可以實現(xiàn)微信消息的一鍵已讀功能，怎么實現(xiàn)呢？你肯定會想著很復(fù)雜，但是python的好處就是很多人已經(jīng)把接口打包做好了，只需要調(diào)用即可，今天通過本文給大家分享使用 Python 實現(xiàn)微信消息的一鍵已讀的思路代碼，一起看看吧2021-06-06
裝飾器是 Python 的一個重要部分。簡單地說：他們是修改其他函數(shù)的功能的函數(shù)。他們有助于讓我們的代碼更簡短，也更Pythonic。大多數(shù)初學(xué)者不知道在哪兒使用它們，所以我將要分享下，哪些區(qū)域里裝飾器可以讓你的代碼更簡潔。 首先，讓我們討論下如何寫你自己的裝飾器2021-11-11
Python3.10動態(tài)修改Windows系統(tǒng)本地IP地址
這篇文章主要介紹了Python3.10動態(tài)修改Windows系統(tǒng)本地IP地址,需要的朋友可以參考下2023-05-05
Python基礎(chǔ)常用內(nèi)建函數(shù)圖文示例解析
這篇文章主要為大家Python常用內(nèi)建函數(shù)，文中通過圖例詳細(xì)的給大家作出了講解分析，有需要的朋友可以借鑒參考下，希望可以有所幫助2021-09-09
Python&Matla實現(xiàn)模擬退火法的示例代碼
模擬退火和蒙特卡洛實驗一樣，本文主要介紹了Python&Matla實現(xiàn)模擬退火法的示例代碼，文中通過示例代碼介紹的非常詳細(xì)，具有一定的參考價值，感興趣的小伙伴們可以參考一下2022-03-03