对数据选择合适的时序模型和合适的预测方法
作者：互联网
待分析数据如下（data.csv）：
特征值说明：
| x1 | 社会从业人数 |
| x2 | 在岗职工工资总额 |
| x3 | 社会消费零售总额 |
| x4 | 城镇居民人均可支配收入 |
| x5 | 城镇居民人均消费性支出 |
| x6 | 年末总人口 |
| x7 | 全社会固定资产投资额 |
| x8 | 地区生产总值 |
| x9 | 第一生产值 |
| x10 | 税收 |
| x11 | 居民消费价格指数 |
| x12 | 第三产业与第二产业产值比 |
| x13 | 居民消费水平 |
| y | 财政收入 |
一、对数据进行分析
读入数据
import numpy as np import pandas as pd inputfile = 'C:/Users/86136/Documents/python大数据分析/课本源代码以及数据/chapter6/demo/data/data.csv' # 输入的数据文件 data = pd.read_csv(inputfile) # 读取数据
1、描述性统计分析
# 描述性统计分析
description = [data.min(), data.max(), data.mean(), data.std()] # 依次计算最小值、最大值、均值、标准差
description = pd.DataFrame(description, index = ['Min', 'Max', 'Mean', 'STD']).T # 将结果存入数据框
print('描述性统计结果：\n',np.round(description, 2)) # 保留两位小数
分析结果：
2、相关性分析
# 相关性分析
corr = data.corr(method = 'pearson') # 计算相关系数矩阵
print('相关系数矩阵为：\n',np.round(corr, 2)) # 保留两位小数
分析结果：
绘制相关性热力图
# 绘制热力图
import matplotlib.pyplot as plt
import seaborn as sns
plt.subplots(figsize=(10, 10)) # 设置画面大小
sns.heatmap(corr, annot=True, vmax=1, square=True, cmap="Greens") #cmap可自定义颜色
plt.title('相关性热力图')
plt.show()
plt.close
热力图结果：
由相关系数矩阵以及相关性热力图可知x11（居民消费价格指数）对y（财政收入）影响最小
二、灰色预测算法+SVR算法
1、lasso回归选取关键属性
lasso = Lasso(1000) # 调用Lasso()函数，设置λ的值为1000
lasso.fit(data.iloc[:,0:13],data['y'])
mask = lasso.coef_ != 0 # 返回一个相关系数是否为零的布尔数组
mask = np.append(mask,True)
outputfile ='C:/Users/86136/Documents/python大数据分析/课本源代码以及数据/chapter6/demo/tmp/new_reg_data.csv' # 输出的数据文件
new_reg_data = data.iloc[:, mask] # 返回相关系数非零的数据
new_reg_data.to_csv(outputfile) # 存储数据
print('输出数据的维度为：',new_reg_data.shape) # 查看输出数据的维度
2、构建灰度预测模型并预测
import sys
sys.path.append('C:/Users/86136/Documents/python大数据分析/课本源代码以及数据/chapter6/demo/code') # 设置路径
import numpy as np
import pandas as pd
from GM11 import GM11 # 引入自编的灰色预测函数
inputfile1 = '../tmp/new_reg_data.csv' # 输入的数据文件
inputfile2 = '../data/data.csv' # 输入的数据文件
new_reg_data = pd.read_csv(inputfile1) # 读取经过特征选择后的数据
data = pd.read_csv(inputfile2) # 读取总的数据
new_reg_data.index = range(1994, 2014)
new_reg_data.loc[2014] = None
new_reg_data.loc[2015] = None
l = ['x1', 'x3', 'x4', 'x5', 'x6', 'x7', 'x8', 'x13']
for i in l:
f = GM11(new_reg_data.loc[range(1994, 2014),i].values)[0]
new_reg_data.loc[2014,i] = f(len(new_reg_data)-1) # 2014年预测结果
new_reg_data.loc[2015,i] = f(len(new_reg_data)) # 2015年预测结果
new_reg_data[i] = new_reg_data[i].round(2) # 保留两位小数
outputfile = '../tmp/new_reg_data_GM11.xls' # 灰色预测后保存的路径
y = list(data['y'].values) # 提取财政收入列，合并至新数据框中
y.extend([np.nan,np.nan])
new_reg_data['y'] = y
new_reg_data.to_excel(outputfile) # 结果输出
print('预测结果为：\n',new_reg_data.loc[2014:2015,:]) # 预测结果展示
GM11.py
#-*- coding: utf-8 -*- def GM11(x0): #自定义灰色预测函数 import numpy as np x1 = x0.cumsum() #1-AGO序列 z1 = (x1[:len(x1)-1] + x1[1:])/2.0 #紧邻均值（MEAN）生成序列 z1 = z1.reshape((len(z1),1)) B = np.append(-z1, np.ones_like(z1), axis = 1) Yn = x0[1:].reshape((len(x0)-1, 1)) [[a],[b]] = np.dot(np.dot(np.linalg.inv(np.dot(B.T, B)), B.T), Yn) #计算参数 f = lambda k: (x0[0]-b/a)*np.exp(-a*(k-1))-(x0[0]-b/a)*np.exp(-a*(k-2)) #还原值 delta = np.abs(x0 - np.array([f(i) for i in range(1,len(x0)+1)])) C = delta.std()/x0.std() P = 1.0*(np.abs(delta - delta.mean()) < 0.6745*x0.std()).sum()/len(x0) return f, a, b, x0[0], C, P #返回灰色预测函数、a、b、首项、方差比、小残差概率
3、构建SVR回归预测模型
import matplotlib.pyplot as plt
from sklearn.svm import LinearSVR
inputfile = 'C:/Users/86136/Documents/python大数据分析/课本源代码以及数据/chapter6/demo/tmp/new_reg_data_GM11.xls' # 灰色预测后保存的路径
data = pd.read_excel(inputfile) # 读取数据
feature = ['x1', 'x3', 'x4', 'x5', 'x6', 'x7', 'x8', 'x13'] # 属性所在列
#data_train = data.loc[range(1994,2014)].copy() # 取2014年前的数据建模
data_train = data.iloc[0:20].copy() # 取2014年前的数据建模
data_mean = data_train.mean()
data_std = data_train.std()
data_train = (data_train - data_mean)/data_std # 数据标准化
x_train = data_train[feature].values # 属性数据
y_train = data_train['y'].values # 标签数据
linearsvr = LinearSVR() # 调用LinearSVR()函数
linearsvr.fit(x_train,y_train)
x = ((data[feature] - data_mean[feature])/data_std[feature]).values # 预测，并还原结果。
data['y_pred'] = linearsvr.predict(x) * data_std['y'] + data_mean['y']
outputfile = '../tmp/new_reg_data_GM11_revenue.xls' # SVR预测后保存的结果
data.to_excel(outputfile)
print('真实值与预测值分别为：\n',data[['y','y_pred']])
fig = data[['y','y_pred']].plot(subplots = True, style=['b-o','r-*']) # 画出预测结果图
plt.show()
预测结果：
经实际值与预测值比较可知，灰色预测算法+SVR算法预测效果还不错
所预测的2014（20）年和2015（21）年财政收入如下：
三、ARMA模型
1、平稳性检验
读数据
import pandas as pd # 参数初始化 discfile = 'C:/Users/86136/Documents/python大数据分析/课本源代码以及数据/chapter6/demo/data/data.csv' # 读取数据 data = pd.read_csv(discfile)
时序图
# 时序图 import matplotlib.pyplot as plt plt.rcParams['font.sans-serif'] = ['SimHei'] # 用来正常显示中文标签 plt.rcParams['axes.unicode_minus'] = False # 用来正常显示负号 data.plot() plt.show()
自相关图
# 自相关图 from statsmodels.graphics.tsaplots import plot_acf plot_acf(data['y']).show()
对y（财政收入）进行平稳性检验
# 平稳性检测
from statsmodels.tsa.stattools import adfuller as ADF
print('原始序列的ADF检验结果为：', ADF(data['y']))
# 返回值依次为adf、pvalue、usedlag、nobs、critical values、icbest、regresults、resstore
# 差分后的结果
D_data = data.diff().dropna()
feature = ['x1', 'x2', 'x3', 'x4', 'x5', 'x6', 'x7', 'x8', 'x9', 'x10', 'x11', 'x12', 'x13', 'y'] # 属性所在列
D_data.columns = feature
D_data.plot() # 时序图
plt.show()
plot_acf(D_data['y']).show() # 自相关图
from statsmodels.graphics.tsaplots import plot_pacf
plot_pacf(D_data['y']).show() # 偏自相关图
print('差分序列的ADF检验结果为：', ADF(D_data['y'])) # 平稳性检测
白噪声检验
# 白噪声检验
from statsmodels.stats.diagnostic import acorr_ljungbox
print('差分序列的白噪声检验结果为：', acorr_ljungbox(D_data['y'], lags=1)) # 返回统计量和p值
2、模型
from statsmodels.tsa.arima_model import ARIMA
# 定阶
data['y'] = data['y'].astype(float)
pmax = int(len(D_data)/10) # 一般阶数不超过length/10
qmax = int(len(D_data)/10) # 一般阶数不超过length/10
bic_matrix = [] # BIC矩阵
for p in range(pmax+1):
tmp = []
for q in range(qmax+1):
try: # 存在部分报错，所以用try来跳过报错。
tmp.append(ARIMA(data['y'], (p,1,q)).fit().bic)
except:
tmp.append(None)
bic_matrix.append(tmp)
bic_matrix = pd.DataFrame(bic_matrix) # 从中可以找出最小值
p,q = bic_matrix.stack().idxmin() # 先用stack展平，然后用idxmin找出最小值位置。
print('BIC最小的p值和q值为：%s、%s' %(p,q))
model = ARIMA(data['y'], (p,1,q)).fit() # 建立ARIMA(0, 1, 1)模型
print('模型报告为：\n', model.summary2())
print('预测未来2年，其预测结果、标准误差、置信区间如下：\n', model.forecast(2))
预测结果：
四、总结
灰色预测算法+SVR算法预测的模型效果更好
标签：预测,模型,时序,np,import,合适,new,data,reg 来源： https://www.cnblogs.com/1234f/p/16084048.html