编程语言
首页 > 编程语言> > python – 使用statsmodels进行Holt-Winters时间序列预测

python – 使用statsmodels进行Holt-Winters时间序列预测

作者:互联网

我尝试使用holt-winters模型进行预测,如下所示,但我不断得到一个与我的预期不一致的预测.我还展示了情节的可视化

Train = Airline[:130]
Test = Airline[129:]

from statsmodels.tsa.holtwinters import Holt

y_hat_avg = Test.copy()
fit1 = Holt(np.asarray(Train['Passengers'])).fit()
y_hat_avg['Holt_Winter'] = fit1.predict(start=1,end=15)
plt.figure(figsize=(16,8))
plt.plot(Train.index, Train['Passengers'], label='Train')
plt.plot(Test.index,Test['Passengers'], label='Test')
plt.plot(y_hat_avg.index,y_hat_avg['Holt_Winter'], label='Holt_Winter')
plt.legend(loc='best')
plt.savefig('Holt_Winters.jpg')

我不确定我在这里缺少什么.

预测似乎适用于训练数据的早期部分

解决方法:

错误的主要原因是您的开始和结束值.它预测第一次观测的值直到十五.但是,即使您纠正了这一点,Holt也只包含趋势组件,您的预测不会带来季节性影响.而是使用带有季节性参数的ExponentialSmoothing.

以下是您的数据集的工作示例:

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from statsmodels.tsa.holtwinters import ExponentialSmoothing

df = pd.read_csv('/home/ayhan/international-airline-passengers.csv', 
                 parse_dates=['Month'], 
                 index_col='Month'
)
df.index.freq = 'MS'
train, test = df.iloc[:130, 0], df.iloc[130:, 0]
model = ExponentialSmoothing(train, seasonal='mul', seasonal_periods=12).fit()
pred = model.predict(start=test.index[0], end=test.index[-1])

plt.plot(train.index, train, label='Train')
plt.plot(test.index, test, label='Test')
plt.plot(pred.index, pred, label='Holt-Winters')
plt.legend(loc='best')

得出以下图:

forecast results with Holt-Winters

标签:statsmodels,python,time-series,forecasting,holtwinters
来源: https://codeday.me/bug/20190910/1799485.html