机器学习基础算法15-回归实例-时间序列分析ARIMA

模型介绍

https://blog.csdn.net/u012735708/article/details/82460962

实例介绍

给定某航班的乘客变化数据，使用ARIMA计算预测模型

代码

import pandas as pd
import numpy as np
from statsmodels.tsa.arima_model import ARIMA
import matplotlib as mpl
import matplotlib.pyplot as plt
import warnings
import matplotlib.patches as mpatches
from statsmodels.tools.sm_exceptions import HessianInversionWarning


def extend(a, b):
    return 1.05*a-0.05*b, 1.05*b-0.05*a


def date_parser(date):
    # 转换时间索引
    return pd.datetime.strptime(date, '%Y-%m')


if __name__ == '__main__':

    warnings.filterwarnings(action='ignore', category=HessianInversionWarning)
    # 设置显示宽度
    pd.set_option('display.width', 100)
    # 全部打印，参数suppress表示是否用科学计数法来表示浮点数
    np.set_printoptions(linewidth=100, suppress=True)
    # 参数parse_dates为把某一列解析为时间索引；date_par