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找到最优的p</e
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.s
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?我需要蓝色面积值的原因是,有时面积可能会在更高的滞后上扩展。示例:ACF with growing blue area 我尝试过Retrieve XY data from matplotlib figure,但在
enter code here我正在做一个项目来分析和预测客户的销售和收入的时间序列。为了精确起见,我想测试各种模型--即Holt线性方法、Holt冬季方法、ARIMA、季节性ARIMA和ARIMAX (我也想在数据中考虑分类变量)。数据是每天的形式,因此我选择频率为7。, format =" %w")) 然后我把它分成火车和测试对于这两种情况,如果我看