我有一系列熊猫的ts数字,我想预测它的未来(下一个600点)。pandas系列只是通过序列号来索引,而不是通过日期或时间。-2.858001 5.0statsmodels.tsa.statespace.SARIMAXValueError('Given a pandas如果没有日期和时间作为索引,我如何使用SARIMAX和最终的ARIMA模型来运行该系列?
我在想,我是否可以将行索引伪
我正在使用Prophet进行销售预测,我有几个CSV。大多数按日期表示特定地点的销售数据(例如"Location1.CSV有“2010年1月1日,售出X个小部件”等。)我已经使用Prophet来预测所有地点的销售额,效果很好,但每个地点的数据非常不稳定。
我看到每个商店预测的平均误差( MAE )要高得多,而整体模型的MAE要低得多。我是否可以使用整体销售模型来尝试预测每个地点的销售额?或者,除了使用每个地
我想用机器学习来预测资产的价格变动。到目前为止我得到了数据和结果。现在我想支持测试模型。前提非常简单:只要预测值为1就买入,然后持有。我想应用预测模型,从下到下迭代测试行,检查预测的输出是否匹配相应的标签(这里的标签是-1,1),然后进行一些计算。_libs.index.IndexEngine.get_loc()
pandas\_libs\index.pyx in pandas._libs.index.IndexEngine.get
,unique_id (Alphanumeric) , category(10 distinct values) and Prediction (0 or 1) 我们正在使用Facebook预言家模型进行预测建模,因为先知只接受Pandas数据格式作为输入,下面是我正在做的工作,以便将Spark数据格式转换为Pandas数据格式。def prediction_func(spark_df):
# Li