（python）pmdarima.auto_-arima（pyramid.auto_-arima）不会自动使用d和d参数

我手工制作了20个模型，发现每个模型都应该使用d=1或d=1，但auto_arima从不使用差异argseven，一个模型根本没有d或d，所有的试验都像1,0,1 x 0,0,1,52。我通过设置trace=True来检查它

我希望auto_arima执行参数网格搜索pdq=0~3、0~1、0~3和PDQs=0~3、0~1、0~3、52

我将参数设置如下：

    start_p=0,
    start_q=0,
    max_p=3,
    max_d=1,
    max_q=3,
    start_P=0,
    D=None,
    start_Q=0,
    max_P=2,
    max_D=1,
    max_Q=2,
    max_order=10,
    m=52,
    seasonal=True,
    stationary=False,
    information_criterion='aic',
    alpha=0.05,
    test='kpss',
    seasonal_test='ocsb',
    stepwise=True,
    n_jobs=-1,
    start_params=None,
    trend=None,
    method=None,
    transparams=True,
    maxiter=None,
    n_fits=100,
    with_intercept=True,

---

如何让auto_arima执行网格搜索我想做的事情？

关于pmdarima及其auto_arima的实现，您应该了解一些事情。我现在正在玩这个游戏，所以我会尝试回答你的问题

网格搜索：auto_arima的实现使用逐步算法来识别最佳参数。它是逐步在您的参数上面，默认设置为真。报告中写道：

逐步算法比拟合所有超参数组合要快得多，而且不太可能过度拟合模型

如果要进行网格搜索，必须将此参数设置为False

差异参数：当您尝试此选项stepwise=False时，它应该尝试除两个参数-d和d之外的所有组合。这是因为它们是估计的，不包括在参数搜索中。在问题中列出的参数中，您有两个测试-测试和季节性测试。这些方法分别用于选择d和d的值

我建议您阅读有关的文档。您可以更好地了解它们如何处理差分参数估计

您也可以尝试直接测试这些方法，只需更改test的值：

从pmdarima.arima.utils导入NDIFF ndiffsy，test='kpss'

---

我不知道如何在网格搜索中测试d参数，我认为Python和R实现都做相同或相似的估计。因此，您可以自己完成这项工作，并使用手动设置的差分参数运行auto_arima，其余的则留在网格搜索中。否则，它将自动选择d和d的值。问题是-当这些自动测试显示不同时，您如何知道每个模型应该使用d=1和d=1？

谢谢您的回答。我感到困惑的是，基于AIC，模型应该使用D=1，D=1。我通过statsmodels手动制作了一个模型，并获得了良好的AIC分数，但auto-arima不会使用该参数，并返回最佳参数，例如D=0，q=0，即使AIC Difformer 800与later 2100的比较大。因此，我很好奇为什么自动arima不会使用该参数。我认为原因是，自动arima首先在kpss测试选择的案例中关注差分参数d估计，然后它尝试自动拟合其余的p和q，通过选择的信息标准选择它，在您的案例中是AIC的。如果你真的想要全网格搜索，你可能必须自己做。要么按照我在答案中所写的去做，要么完全按照解释去写