How to Save an ARIMA Time Series Forecasting Model in Python (如何在Python中保存ARIMA时间序列预测模型)
How to Save an ARIMA Time Series Forecasting Model in Python (如何在Python中保存ARIMA时间序列预测模型)
How to Save an ARIMA Time Series Forecasting Model in Python
原文作者：Jason Brownlee 原文地址：https://machinelearningmastery.com/save-arima-time-series-forecasting-model-python/ 译者微博：@从流域到海域 译者博客：blog.csdn.net/solo95
如何在Python中保存ARIMA时间序列预测模型
自回归积分滑动平均模型(Autoregressive Integrated Moving Average Mode, ARIMA)是一个流行的时间序列分析和预测的线性模型。
statsmodels库中提供了Python中所使用ARIMA的实现。ARIMA模型可以保存到一个文件中，以便以后用于对新数据进行预测。statsmodels库的当前版本中有一个bug，会阻止保存的模型被加载。
在本教程中，您将了解如何诊断和解决此问题。
让我们开始吧。
照片由Les Chatfield提供，保留一些权利。
日均女性出生数据集
首先，我们来看一个标准的时间序列数据集，我们可以用它来理解有关statsmodels ARIMA实现的问题。
这个“日均女性出生”数据集描述了1959年加利福尼亚州每天的女性出生人数。
计数单位是一，365天都进行了观察。数据集的来源归功于Newton（1988）。
下载数据集并将其放在当前工作目录中，文件命名为“ daily-total-female-births.csv ”。
下面的代码片段将加载和绘制数据集。
from pandas import Series
from matplotlib import pyplot
series = Series.from_csv('daily-total-female-births.csv', header=0)
series.plot()
pyplot.show()运行示例将数据集加载为Pandas系列，然后显示数据的线图。
Python环境
请确认您使用的是最新版本的statsmodels库。
你可以通过运行下面的脚本来进行确认：
import statsmodels
print('statsmodels: %s' % statsmodels.__version__)运行脚本应该产生一个显示statsmodels 0.6或0.6.1的结果。
statsmodels: 0.6.1 您可以使用Python 2或3。
更新：我可以确认故障仍存在于statsmodels 0.8中并导致下列错误消息出现：
AttributeError: 'ARIMA' object has no attribute 'dates' ARIMA模型保存bug
我们可以很容易地在“日均女性出生”数据集上训练一个ARIMA模型。
下面的代码片段在数据集上的训练出一个ARIMA（1,1,1）模型。
model.fit()函数返回一个ARIMAResults对象，我们可以在这个对象上调用save()保存到文件模型并且之后可以使用load()来加载它。
from pandas import Series
from statsmodels.tsa.arima_model import ARIMA
from statsmodels.tsa.arima_model import ARIMAResults
# load data
series = Series.from_csv('daily-total-female-births.csv', header=0)
# prepare data
X = series.values
X = X.astype('float32')
# fit model
model = ARIMA(X, order=(1,1,1))
model_fit = model.fit()
# save model
model_fit.save('model.pkl')
# load model
loaded = ARIMAResults.load('model.pkl')运行本例将训练出模型并将其保存到文件中，而不会出现问题。
但当您尝试从文件加载模型时，会报告一个错误。
Traceback (most recent call last):
File "...", line 16, in <module>
loaded = ARIMAResults.load('model.pkl')
File ".../site-packages/statsmodels/base/model.py", line 1529, in load
return load_pickle(fname)
File ".../site-packages/statsmodels/iolib/smpickle.py", line 41, in load_pickle
return cPickle.load(fin)
TypeError: __new__() takes at least 3 arguments (1 given)特别的，注意下面这一行：
TypeError: __new__() takes at least 3 arguments (1 given)之前的步骤都没出错，那么我们如何解决这个问题呢？
ARIMA模型保存Bug解决方法
Zae Myung Kim在2016年9月发现了这个错误并报告了错误。
你可以在这里读到所有和它有关的信息：
这个错误是因为pickle所需要的一个函数（用于序列化Python对象的库）在statsmodels中没有定义。
在保存之前，必须在ARIMA模型中定义函数__getnewargs__，以定义构造对象所需的参数。
我们可以解决这个问题。修复涉及两件事情：
- 定义一个适用于ARIMA对象的__getnewargs__函数的实现 。
- 将这个新函数添加到ARIMA。
谢天谢地，Zae Myung Kim在他的bug报告中提供了一个函数的例子，所以我们可以直接使用它：
def __getnewargs__(self):
return ((self.endog),(self.k_lags, self.k_diff, self.k_ma)Python允许我们对一个对象施加猴补丁操作，即使是像statsmodels这样的库。 (猴补丁（英语：Monkey patch），参见维基百科，有相应中文条目，译者注)
我们可以使用赋值在现有的对象上定义一个新的函数。
我们可以对ARIMA对象上的__getnewargs__函数做如下操作：
ARIMA.__getnewargs__ = __getnewargs__下面列出了使用猴补丁在Python中加载和保存ARIMA模型的完整示例：
from pandas import Series
from statsmodels.tsa.arima_model import ARIMA
from statsmodels.tsa.arima_model import ARIMAResults
# monkey patch around bug in ARIMA class
def __getnewargs__(self):
return ((self.endog),(self.k_lags, self.k_diff, self.k_ma))
ARIMA.__getnewargs__ = __getnewargs__
# load data
series = Series.from_csv('daily-total-female-births.csv', header=0)
# prepare data
X = series.values
X = X.astype('float32')
# fit model
model = ARIMA(X, order=(1,1,1))
model_fit = model.fit()
# save model
model_fit.save('model.pkl')
# load model
loaded = ARIMAResults.load('model.pkl')现在运行示例就可以成功加载模型，而不会出错。
概要
在这篇文章中，您了解了如何解决statsmodels ARIMA实现时的一个错误，该错误阻止了您将ARIMA模型保存到文件或从文件中加载ARIMA模型。
你学到了如何编写一个猴补丁来解决这个bug，以及如何证明它确实已经修复了。
腾讯云开发者
