極客小將版權(quán)所有。

L4N少兒編程網(wǎng)-Scratch_Python_教程_免費(fèi)兒童編程學(xué)習(xí)平臺(tái)

免費(fèi)學(xué)習(xí)推薦：python視頻教程L4N少兒編程網(wǎng)-Scratch_Python_教程_免費(fèi)兒童編程學(xué)習(xí)平臺(tái)

導(dǎo)入必要包和模塊L4N少兒編程網(wǎng)-Scratch_Python_教程_免費(fèi)兒童編程學(xué)習(xí)平臺(tái)

from scipy import statsimport pandas as pdimport matplotlib.pyplot as pltimport statsmodels.api as smfrom statsmodels.tsa.arima.model import ARIMAfrom statsmodels.graphics.tsaplots import plot_predict plt.rcParams['font.sans-serif']=['simhei']#用于正常顯示中文標(biāo)簽plt.rcParams['axes.unicode_minus']=False#用于正常顯示負(fù)號(hào)

1.讀取數(shù)據(jù)并畫圖L4N少兒編程網(wǎng)-Scratch_Python_教程_免費(fèi)兒童編程學(xué)習(xí)平臺(tái)

data=pd.read_csv('數(shù)據(jù)/客運(yùn)量.csv',index_col=0)data.index = pd.Index(sm.tsa.datetools.dates_from_range('1949', '2008'))#將時(shí)間列改為專門時(shí)間格式，方便后期操作data.plot(figsize=(12,8),marker='o',color='black',ylabel='客運(yùn)量')#畫圖

#本文所使用的客流量時(shí)間序列數(shù)據(jù)：https://download.csdn.net/download/weixin_45590329/14143811
#時(shí)間序列折線圖如下所示，顯然數(shù)據(jù)有遞增趨勢(shì)，初步判斷數(shù)據(jù)不平穩(wěn)L4N少兒編程網(wǎng)-Scratch_Python_教程_免費(fèi)兒童編程學(xué)習(xí)平臺(tái)

2.平穩(wěn)性檢驗(yàn)L4N少兒編程網(wǎng)-Scratch_Python_教程_免費(fèi)兒童編程學(xué)習(xí)平臺(tái)

sm.tsa.adfuller(data,regression='c')sm.tsa.adfuller(data,regression='nc')sm.tsa.adfuller(data,regression='ct')

進(jìn)行三種形式的ADF單位根檢驗(yàn)，如部分結(jié)果所示，發(fā)現(xiàn)序列不平穩(wěn)L4N少兒編程網(wǎng)-Scratch_Python_教程_免費(fèi)兒童編程學(xué)習(xí)平臺(tái)

3.對(duì)數(shù)據(jù)作一階差分處理L4N少兒編程網(wǎng)-Scratch_Python_教程_免費(fèi)兒童編程學(xué)習(xí)平臺(tái)

diff=data.diff(1)diff.dropna(inplace=True)diff.plot(figsize=(12,8),marker='o',color='black')#畫圖

作出數(shù)據(jù)一階差分后折線圖，初步判斷平穩(wěn)L4N少兒編程網(wǎng)-Scratch_Python_教程_免費(fèi)兒童編程學(xué)習(xí)平臺(tái)

4.對(duì)一階差分?jǐn)?shù)據(jù)進(jìn)行平穩(wěn)性檢驗(yàn)L4N少兒編程網(wǎng)-Scratch_Python_教程_免費(fèi)兒童編程學(xué)習(xí)平臺(tái)

sm.tsa.adfuller(diff,regression='c')sm.tsa.adfuller(diff,regression='nc')sm.tsa.adfuller(diff,regression='ct')

如圖所示，說(shuō)明序列平穩(wěn)L4N少兒編程網(wǎng)-Scratch_Python_教程_免費(fèi)兒童編程學(xué)習(xí)平臺(tái)

5.確定ARIMA（p,d,q）階數(shù)L4N少兒編程網(wǎng)-Scratch_Python_教程_免費(fèi)兒童編程學(xué)習(xí)平臺(tái)

fig = plt.figure(figsize=(12,8))ax1 = fig.add_subplot(211)fig = sm.graphics.tsa.plot_acf(diff.values.squeeze(), lags=12, ax=ax1)#自相關(guān)系數(shù)圖1階截尾,決定MA（1）ax2 = fig.add_subplot(212)fig = sm.graphics.tsa.plot_pacf(diff, lags=12, ax=ax2)#偏相關(guān)系數(shù)圖1階截尾,決定AR（1）

根據(jù)自相關(guān)系數(shù)圖ACF和偏自相關(guān)系數(shù)圖PACF，將原始數(shù)據(jù)確定為ARIMA（1,1,1）模型L4N少兒編程網(wǎng)-Scratch_Python_教程_免費(fèi)兒童編程學(xué)習(xí)平臺(tái)

6.參數(shù)估計(jì)L4N少兒編程網(wǎng)-Scratch_Python_教程_免費(fèi)兒童編程學(xué)習(xí)平臺(tái)

model = ARIMA(data, order=(1, 1, 1)).fit()#擬合模型model.summary()#統(tǒng)計(jì)信息匯總#系數(shù)檢驗(yàn)params=model.params#系數(shù)tvalues=model.tvalues#系數(shù)t值bse=model.bse#系數(shù)標(biāo)準(zhǔn)誤pvalues=model.pvalues#系數(shù)p值#繪制殘差序列折線圖resid=model.resid#殘差序列fig = plt.figure(figsize=(12,8))ax = fig.add_subplot(111)ax = model.resid.plot(ax=ax)#計(jì)算模型擬合值fit=model.predict(exog=data[['TLHYL']])

7.模型檢驗(yàn)L4N少兒編程網(wǎng)-Scratch_Python_教程_免費(fèi)兒童編程學(xué)習(xí)平臺(tái)

#8.1.檢驗(yàn)序列自相關(guān)sm.stats.durbin_watson(model.resid.values)#DW檢驗(yàn)：靠近2——正常；靠近0——正自相關(guān)；靠近4——負(fù)自相關(guān)#8.2.AIC和BIC準(zhǔn)則model.aic#模型的AIC值model.bic#模型的BIC值#8.3.殘差序列正態(tài)性檢驗(yàn)stats.normaltest(resid)#檢驗(yàn)序列殘差是否為正態(tài)分布#**終檢驗(yàn)結(jié)果顯示無(wú)法拒絕原假設(shè)，說(shuō)明殘差序列為正態(tài)分布，模型擬合良好#8.4.繪制殘差序列自相關(guān)圖和偏自相關(guān)圖fig = plt.figure(figsize=(12,8))ax1 = fig.add_subplot(211)fig = sm.graphics.tsa.plot_acf(resid.values.squeeze(), lags=12, ax=ax1)ax2 = fig.add_subplot(212)fig = sm.graphics.tsa.plot_pacf(resid, lags=12, ax=ax2)#如果兩圖都零階截尾，這說(shuō)明模型擬合良好

8.預(yù)測(cè)L4N少兒編程網(wǎng)-Scratch_Python_教程_免費(fèi)兒童編程學(xué)習(xí)平臺(tái)

#預(yù)測(cè)至2016年的數(shù)據(jù)。由于ARIMA模型有兩個(gè)參數(shù)，至少需要包含兩個(gè)初始數(shù)據(jù)，因此從2006年開始預(yù)測(cè)predict = model.predict('2006', '2016', dynamic=True)print(predict)#畫預(yù)測(cè)圖及置信區(qū)間圖fig, ax = plt.subplots(figsize=(10,8))fig = plot_predict(model, start='2002', end='2006', ax=ax)legend = ax.legend(loc='upper left')

大量免費(fèi)學(xué)習(xí)推薦，敬請(qǐng)?jiān)L問(wèn)python教程(視頻)L4N少兒編程網(wǎng)-Scratch_Python_教程_免費(fèi)兒童編程學(xué)習(xí)平臺(tái)

以上就是學(xué)習(xí)使用python的statsmodels模塊擬合ARIMA模型的詳細(xì)內(nèi)容，更多請(qǐng)關(guān)注少兒編程網(wǎng)其它相關(guān)文章！L4N少兒編程網(wǎng)-Scratch_Python_教程_免費(fèi)兒童編程學(xué)習(xí)平臺(tái)