Python 指数平滑预测所有空值

我已经写了一个程序，应该使用指数平滑法预测值。我有6个月的数据（从4月到9月）。基于这6个月，我希望预测未来6个月（即10月至3月）

这是我的密码：

import pandas as pd
import matplotlib.pyplot as plt
import numpy as np
from statsmodels.tsa.holtwinters import ExponentialSmoothing

d = {'Month':['April','May','June','July','August','September'],'Value':[2.868,7.205,13.349,20.115,22.769,23.981]}
df = pd.DataFrame(data=d)

model = ExponentialSmoothing(df['Value'],trend='mul',seasonal='mul',seasonal_periods = 6).fit()
predict = model.forecast(6)

但是，当我看到预测值时，它都是

Nans

。我不确定我在哪里犯了错误。有人能帮忙解决这个问题吗？

看看，

季节性周期

是一个季节周期中的周期数

如果你看霍尔特-温特斯方程（例如，），它包括一个季节性术语，其移动了

m

步数（其中

m

等于

季节性周期

）。这意味着，要在

季节性时段=6

的情况下进行预测，您需要提前在数据

6

时间步中输入值

由于数据仅包含

6个
数据点，因此无法进行任何预测

可能的解决办法：


数据是否真的是周期为6的季节性数据？如果没有，请删除或更改
季节性周期
参数
向数据帧添加更多数据。如果您只有一个多时间步的数据，那么您将获得实际的预测
增加输入数据点，由于缺乏数据，我猜模型无法收敛并决定趋势和季节因素。我添加了一个额外的数据点，模型能够确定这些因素

根据经验，至少有两个完整的季节（或2个周期）的
需要历史数据来初始化一组季节性因素

参考资料：

>>> data
2020-04-01     2.868
2020-05-01     7.205
2020-06-01    13.349
2020-07-01    20.115
2020-08-01    22.769
2020-09-01    23.981
2020-10-01    22.100
Freq: MS, dtype: float64
>>> model = ExponentialSmoothing(data,trend='mul',seasonal='mul', seasonal_periods=6).fit()
>>> model.forecast(10)
2020-11-01      55.519626
2020-12-01     102.863252
2021-01-01     154.999872
2021-02-01     175.450687
2021-03-01     184.789706
2021-04-01     170.295457
2021-05-01     427.816286
2021-06-01     792.630950
2021-07-01    1194.378883
2021-08-01    1351.966249
Freq: MS, dtype: float64