python中arima计算拟合值

原创

mob64ca12db7156 2024-11-30 06:25:38 ©著作权

©著作权归作者所有：来自51CTO博客作者mob64ca12db7156的原创作品，请联系作者获取转载授权，否则将追究法律责任

在Python中使用ARIMA模型计算拟合值的详细指南

在时间序列分析中，ARIMA（自回归积分滑动平均）是一种常用的模型，用于捕捉数据之间的关系并进行预测。此篇文章旨在帮助刚入行的小白学习如何在Python中实现ARIMA模型，以计算拟合值。让我们先概述一下整个流程。

流程图

flowchart TD
    A[开始] --> B[导入库]
    B --> C[加载数据]
    C --> D[数据预处理]
    D --> E[划分训练集和测试集]
    E --> F[选择ARIMA模型的参数]
    F --> G[训练ARIMA模型]
    G --> H[计算拟合值]
    H --> I[可视化结果]
    I --> J[结束]

步骤概述

步骤	描述
1. 导入库	导入需要的库和模块
2. 加载数据	读取时间序列数据
3. 数据预处理	清洗数据，处理缺失值等
4. 划分数据	将数据划分为训练集和测试集
5. 选择参数	确定ARIMA模型的参数(p, d, q)
6. 训练模型	通过训练集训练ARIMA模型
7. 计算拟合值	使用测试集计算拟合值
8. 可视化结果	可视化拟合和实际结果对比

1. 导入库

首先，我们需要导入所需的Python库，这些库包括pandas、numpy、statsmodels和matplotlib。

import pandas as pd  # 用于数据处理
import numpy as np   # 用于数组操作
import matplotlib.pyplot as plt  # 用于数据可视化
from statsmodels.tsa.arima.model import ARIMA  # 用于ARIMA建模

2. 加载数据

接下来，我们将加载时间序列数据。你可以使用pandas读取CSV文件，或者使用其他的数据源。

# 假设数据保存在data.csv中，日期在第一列，值在第二列
data = pd.read_csv('data.csv', parse_dates=[0], index_col=0)
print(data.head())  # 打印前5行数据以确认加载

3. 数据预处理

数据预处理是非常重要的一步，包括处理缺失值、平稳性检测等。以下是一个基本示例，检查并填补缺失值。

# 检查缺失值并填补（采取前向填充的方式）
data.fillna(method='ffill', inplace=True)

4. 划分训练集和测试集

将数据集划分为训练集和测试集，以便我们可以评估模型性能。这里我们选择80%的数据作为训练集。

train_size = int(len(data) * 0.8)
train, test = data.iloc[:train_size], data.iloc[train_size:]
print(f"训练集长度: {len(train)}, 测试集长度: {len(test)}")

5. 选择ARIMA模型的参数

选择ARIMA模型的参数（p, d, q）可能比较复杂。通常，我们可以通过ACF和PACF图来选择这些参数。这里我们假设已经选定了参数（p=1, d=1, q=1）。

p = 1  # 自回归部分
d = 1  # 差分次数
q = 1  # 滑动平均部分

6. 训练ARIMA模型

使用指定的参数来建立和拟合ARIMA模型。

model = ARIMA(train, order=(p, d, q))  # 创建ARIMA模型
model_fit = model.fit()  # 拟合模型
print(model_fit.summary())  # 打印模型摘要

7. 计算拟合值

现在我们可以计算模型在测试集上的拟合值。

# 预测测试集的值
predictions = model_fit.forecast(steps=len(test))
print(predictions)  # 输出拟合值

8. 可视化结果

最后，为了方便比较，我们将实际值与拟合值进行可视化呈现。

plt.figure(figsize=(12, 6))  # 设置画布大小
plt.plot(train, label='训练集')  # 绘制训练集
plt.plot(test, label='测试集', color='orange')  # 绘制测试集
plt.plot(test.index, predictions, label='拟合值', color='red')  # 绘制拟合值
plt.legend()  # 显示图例
plt.title('ARIMA模型拟合结果')
plt.show()  # 展示图表