Python StatsModels-指数平滑需要无限时间来拟合

我试图复制这个可执行文件（），但在它开始的部分，霍尔特模型的拟合，jupyter笔记本挂在。。我已经等了30多分钟了，什么都没有

需要花费大量时间的单元格（Kaggle示例中的数字18）

import statsmodels.api as sm

# exponential smoothing only takes into consideration patterns in the target variable
# so we discard the other features
exp_smooth_train, exp_smooth_test = train['demand_in_MW'], test['demand_in_MW']

# fit & predict
holt_winter = sm.tsa.ExponentialSmoothing(exp_smooth_train,
                                          seasonal_periods=24*365,
                                          seasonal='add').fit()
y_hat_holt_winter = holt_winter.forecast(len(exp_smooth_test))

---

可能是因为它试图估算与季节性零件相关的参数。你也有很多样品；将这些数据结合起来，预计需要很长时间……在的第3段中，它说“ETS（）模型将季节性限制为最多24个周期，以允许每小时数据，但不允许季节性周期较大的数据−1初始季节状态的待估计参数，其中m是季节周期。因此，对于大m，估计几乎不可能。“这对于R来说是一样的，但对于任何语言，想法都是一样的。我不知道你链接的Kaggler等待了多少时间，或者他们有多少超级计算机，但出于实用性，我得说ETS不是这么长时间的季节性。好的，谢谢。这很有道理。。。您建议使用哪一个季节@mustafa aydınI不是专家，但从笔记本的视觉效果来看，每天的季节性很明显。所以，如果你必须使用ETS，也许你可以试试24。对于这类复杂的季节性数据，您可能希望查看同样具有Python的模型。这也很慢，但在这种情况下可能比ETS快。