我的数据框中有两列:monthlydate和sells。d,q)这样的参数,需要三个参数,并且传统上是手动配置的。我开始用Python语言绘制ACF和PACF图,下面是输出。我不明白它表明了什么,以及我们如何使用这个图来构建ARIMA模型?We know that the PACF only describes the direct relationship between an observation and its lag.如何使用python
我正在尝试用Python做一个月度房价预测模型。我现在正在使用网格搜索配置超参数。根据附加的ACF/PACF,p/d/q_值的范围应该是多少? 实例为299个月。我目前正在测试p(0;13),d(0;4),q(0;13)。d and q values for an ARIMA model
def evaluate_models(dataset, p_values, d_values, q
我正在尝试为ARMA值确定p和q的值。时间序列已经是固定的,我正在寻找ACF和PACF图,但我需要“在路上”获得这些p和q值(就像执行模拟一样)。我注意到在statsmodels中实际上有两个用于acf和pacf的函数,但我不知道如何正确使用它们。代码看起来是这样的 from statsmodels.tsa.stattools import acf</em
我正在使用statsmodels.graphics.tsaplots模块使用时间序列数据绘制ACF或PACF图。我在下面添加了一个示例图: Example ACF Plot 有没有办法获得每个lag (即每个蓝色圆圈)的单个值,以及每个lag的蓝色区域的相应值?示例:ACF with growing blue area 我尝试过Retrieve XY data from matplotlib figure,但在这种情况下它对我没有帮助。