我正在研究一些时间序列的预测,我需要使用python比较不同的方法。实际上,我需要使用三次指数平滑来生成一些预测,我使用的是this library和相关函数,比如this。
我的时间序列有这样的格式pd系列对象:Date Close
2016-04-11 01:17:04 -10.523793
2016-04-11 07:25:13 -5.352295
2016-04-11 22:40:11 92.556003
2016-04-13 05:06:31 -1.769866
2016-04-13 05:17:50 -2.330789
2016-04-14 08:43:09 17.636638
2016-04-17 21:15:12 -0.454655
2016-04-19 06:10:04 -0.026375
2016-04-19 06:10:04 -0.175647
...
我用python写了以下几行:
^{pr2}$
我对函数model.predict有一个问题,所以我根据需要添加了param值,从类model获取它们,在它的fit之后。我不确定我是否做得好,但我没有找到这么多around。此外,我在设置开始日期(也许还有结束)时遇到了一个问题。它返回这个:KeyError: 'The开始argument could not be matched to a location related to the index of the data.'当我找到here时,我还将预测的开始日期移动到第三个值,即测试数据集的索引[2]。如果我设置[0]、[1]等,我也会得到相同的结果。。。怎么了?在
如您所见,myTimeSeries没有固定的频率集,但是值的集合是随机的。我找到了不同的教程,比如this、this other one、或{a7},但它们的条件不一样:我不知道关于我的数据集的任何新闻(趋势、季节性频率等…)。我没有发现任何违反这一点的假设:如果我错了,请警告我。我曾经考虑过我的理论指导,我的发现。此外,this post包含了一个类似的问题,但并不完全相同。在