python构建指数平滑预测模型_python中statsmodels指数平滑预测

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