Python ARIMA结果解释
我如何解释ARIMA的结果。我有一个差分序列,我实现了两个ARIMA模型ARIMA[2,1,0]和ARIMA[1,1,0]。哪一个更好,我还绘制了ACF和PACF,从中我假设2,1,0应该是好的[ACF逐渐减少,PACF在2左右下降]。虽然我听说即使在绘制了ACF和PACF之后,我们通常也会尝试一些或全部循环,以找到最好的。我们是否看到AIC/BIC进行比较或其他统计 这是ARIMA[1,1,0]的结果 这是ARIMA[2,1,0]的结果Python ARIMA结果解释,python,python-2.7,statistics,time-series,forecasting,Python,Python 2.7,Statistics,Time Series,Forecasting,我如何解释ARIMA的结果。我有一个差分序列,我实现了两个ARIMA模型ARIMA[2,1,0]和ARIMA[1,1,0]。哪一个更好,我还绘制了ACF和PACF,从中我假设2,1,0应该是好的[ACF逐渐减少,PACF在2左右下降]。虽然我听说即使在绘制了ACF和PACF之后,我们通常也会尝试一些或全部循环,以找到最好的。我们是否看到AIC/BIC进行比较或其他统计 这是ARIMA[1,1,0]的结果 这是ARIMA[2,1,0]的结果 只要差异项相同(两款车型的差异项均为1),您就可以使用
只要差异项相同(两款车型的差异项均为1),您就可以使用AIC/BIC对两款车型进行比较 AIC/BIC比较只能应用于相同大小的数据。因此,如果一个模型的差分项为1,另一个模型的差分项为2,则后一个模型在建模后的数据点会较少,并且可能会给出较低的AIC/BIC,而不保证有更好的模型 如果您的数据允许您进行交叉验证,那么您可能希望在得出哪一组参数最适合您的arima模型的结论之前尝试一下 您可能想看看关于交叉验证的讨论,它提供了一个关于如何为arima实现交叉验证的简单想法。