Python 3.x 在python中使用ARIMA进行预测-它是如何工作的？

我对如何使用ARIMA进行预测感到非常困惑

假设我们有一个名为

y\u orig

的系列，我们将其分为

y\u train

和

y\u test

。假设

y_orig

不是静止的，我们可以使用下面的代码拟合ARIMA

# fit ARIMA model
from statsmodels.tsa.arima_model import ARIMA
model = ARIMA(y_train, order=(2,1,2))
model_fit = model.fit(disp=0)
print(model_fit.summary())

n_periods = len(`y_test`)

fc, -, - = model_fit.forecast(n_periods, alpha=0.05)  # 95% conf

拟合模型后，我们可以使用下面的代码进行预测

# fit ARIMA model
from statsmodels.tsa.arima_model import ARIMA
model = ARIMA(y_train, order=(2,1,2))
model_fit = model.fit(disp=0)
print(model_fit.summary())

n_periods = len(`y_test`)

fc, -, - = model_fit.forecast(n_periods, alpha=0.05)  # 95% conf

值

fc

应该给出一个预测，然后我将其与

y\u测试进行比较。请注意，正如预期的那样，
y_测试
未在培训阶段使用。还请注意，我不是在寻找滚动预测，而是寻找参数（一旦训练）固定的长期预测

我很困惑，因为在预测阶段根本没有使用
y\u测试。

例如，如果我们使用其他预测模型（如Keras或tensorflow）。我们会这样编码

首先，我们在训练阶段采用了我没有展示的模型——这与我的问题无关。然后，我们使用下面的代码预测并查看样本中的拟合程度

y_pred_train=model.predict(y_train)

然后，我们对样本中的模型进行测试，如下所示：

y_pred_test=model.predict(y_test)

在这种情况下，不会重新估计参数，并且在测试阶段使用
y_test
预测下一个值（使用固定参数）

因此我对阿里玛感到困惑。为什么我们对ARIMA模型不这样做

请帮助我理解，因为我很困惑

非常感谢
 我认为您对
ARIMA
代码块中的
.fit
和
y\u序列
有点困惑
y_train
在这里只是一个命名不好的变量，它应该是
y
，我想要预测的数据。
ARIMA
模型没有训练/测试阶段，它不是自学习的。它对输入数据进行统计分析，并进行预测。如果你想做另一个预测（在
y\u测试中
），你需要做另一个统计分析（使用
model.fit
）并做另一个预测（使用
model.forecast
）。
ARIMA
模型没有任何
权重
它在训练阶段进行训练，模型中未保存任何与先前“拟合”的数据相关的内容。您不能使用“拟合的”
ARIMA
模型来预测其他数据样本
 我认为您对
ARIMA
代码块中的
.fit
和
y\u序列
有点困惑
y_train
在这里只是一个命名不好的变量，它应该是
y
，我想要预测的数据。
ARIMA
模型没有训练/测试阶段，它不是自学习的。它对输入数据进行统计分析，并进行预测。如果你想做另一个预测（在
y\u测试中
），你需要做另一个统计分析（使用
model.fit
）并做另一个预测（使用
model.forecast
）。
ARIMA
模型没有任何
权重
它在训练阶段进行训练，模型中未保存任何与先前“拟合”的数据相关的内容。您不能使用“拟合的”
ARIMA
模型来预测其他数据样本
 弗雷德里克：非常感谢！！。但是“如果我不将预测与测试数据进行比较，我如何测试预测的有效性？”“你是说进行滚动预测更合适吗？”以及“我一次只能预测一个步骤？”如果是这样，那么ARIMA模型将无法与参数固定的模型进行比较。。。。。最后，在ARIMA的情况下，“不重新估计参数就不可能进行多步预测吗？”对不起，我有点困惑，为了获得
ARIMA
的准确度（=测试预测的有效性），取N个时间序列数据序列，切掉每个序列最后的
M
值，在每个第一个
（N-M）
传感器值上安装一个新的
ARIMA
模型，进行
model.forecast（N_periods=M）
预测，并计算标签（最后一个
M
值）和预测（从
model.forecast得出的结果）之间的
MSE
。这一点非常清楚。非常感谢，我就是这么做的。然而，在过去的几周里，我一遍又一遍地阅读有关ARIMA的文章，我仍然不明白为什么我们不使用AR、MA或两者中的估计棺材系数来做未来的预测。你是说ARIMA没有权重，但权重和系数对我来说是一样的，不是吗？。Y（t）=系数1*Y（t-1）+系数2*Y（t-2）+错误。。。。coeff1和coeff2仍然是权重，对吗？在这种情况下，为什么不使用它们？这是一个理论问题，而不是一个编码问题，你应该问一个新的SO问题。谢谢弗雷德里克。真的感谢你，我确实更好地理解了编码问题，但从理论上或数学上来说，我仍然不确定预测是如何进行的。你说没有重量，所以我不知道怎么做。如果你能给我一篇文章或pdf来解释这一部分，我将不胜感激。我再次感谢你的帮助弗雷德里克非常感谢！！。但是“如果我不将预测与测试数据进行比较，我如何测试预测的有效性？”“你是说进行滚动预测更合适吗？”以及“我一次只能预测一个步骤？”如果是这样，那么ARIMA模型将无法与参数固定的模型进行比较。。。。。最后，在ARIMA的情况下，“不重新估计参数就不可能进行多步预测吗？”对不起，我有点困惑，为了获得
ARIMA
的准确度（=测试预测的有效性），取N个时间序列数据序列，切掉每个序列最后的
M
值，在每个第一个
（N-M）
传感器值上安装一个新的
ARIMA
模型。预测（N\u周期=M）
并计算t