在Python中对3d numpy数组和预测数组应用自动回归
我有一个3d Numpy阵列,观察时间超过3个点:在Python中对3d numpy数组和预测数组应用自动回归,python,arrays,numpy,multidimensional-array,autoregressive-models,Python,Arrays,Numpy,Multidimensional Array,Autoregressive Models,我有一个3d Numpy阵列,观察时间超过3个点: a=np.array(时间,x,y) 我的目标是对3个时间点的观测值进行自回归,并预测包含未来值的数组 我尝试在行和列上使用for循环来执行此操作,但我的自动回归只考虑了过去的3个值(每个维度一个),这导致了错误: ValueError:maxlag应该是
a=np.array(时间,x,y)
我的目标是对3个时间点的观测值进行自回归,并预测包含未来值的数组
我尝试在行和列上使用for循环来执行此操作,但我的自动回归只考虑了过去的3个值(每个维度一个),这导致了错误:
ValueError:maxlag应该是
我如何不仅使用特定的x和y,而且使用所有条目(假设趋势相同)在三维上应用自回归?
另外,是否有一种更快的循环方式,因为最终的np.array会更大
谢谢大家!
这是我写的代码:
a = np.array([[[ 5, 8, 6, 5],
[ 8, 2, 3, 3],
[ 0, 4, 7, 1],
[ 9, 9, 6, 1]],
[[ 2, 0, 10, 9],
[ 3, 6, 8, 7],
[ 1, 4, 2, 9],
[ 2, 4, 9, 2]],
[[ 6, 9, 9, 1],
[ 8, 7, 6, 1],
[ 5, 3, 2, 2],
[ 7, 7, 2, 5]]])
# Loop over each index in the array
for row in range(a.shape[0] ) :
for col in range(a.shape[1] ) :
data = (a[0,row,col], a[1,row,col], a[2,row,col])
# fit model
model = AR(data)
model_fit = model.fit()
# make prediction
yhat = model_fit.predict(len(data), len(data))
print(yhat)