Python cuml.tsa.auto_arima.AutoARIMA用法及代碼示例

用法: class cuml.tsa.auto_arima.AutoARIMA(endog, *, handle=None, simple_differencing=True, verbose=False, output_type=None)

為 in- 和 out-of-sample times-series 預測實現批處理 auto-ARIMA 模型。

此接口提供高度可定製的搜索，其函數類似於 R 中的 forecast 和 fable 包。它提供了圍繞底層 ARIMA 模型的抽象，以便像使用單個模型一樣進行預測和預測。

參數：

endog：數據幀或array-like(設備或主機): 時間序列數據，假設在列中具有每個時間序列。可接受的格式：cuDF DataFrame cuDF 係列、NumPy ndarray、Numba 設備 ndarray、cuda 陣列接口兼容陣列，如 CuPy
handle：cuml.Handle: 指定 cuml.handle 保存用於此模型中計算的內部 CUDA 狀態。最重要的是，這指定了將用於模型計算的 CUDA 流，因此用戶可以通過在多個流中創建句柄在不同的流中同時運行不同的模型。如果為 None，則創建一個新的。
simple_differencing: bool or int, default=True：: 如果為 True，則數據在傳遞到卡爾曼濾波器之前會有所不同。如果為 False，則差分是 state-space 模型的一部分。請參閱 ARIMA 文檔中的其他說明
verbose：int 或布爾值，默認=False: 設置日誌記錄級別。它必須是 cuml.common.logger.level_* 之一。有關詳細信息，請參閱詳細級別。
output_type：{‘input’, ‘cudf’, ‘cupy’, ‘numpy’, ‘numba’}，默認=無: 用於控製估計器的結果和屬性的輸出類型的變量。如果為 None，它將繼承在模塊級別設置的輸出類型 cuml.global_settings.output_type 。有關詳細信息，請參閱輸出數據類型配置。

注意：

接口受 R fable 包的影響：參見 https://fable.tidyverts.org/reference/ARIMA.html

參考：

一個有用的(雖然過時的)參考是這篇論文：

1: Rob J. Hyndman, Yeasmin Khandakar, 2008. “Automatic Time Series Forecasting: The ‘forecast’ Package for R”, Journal of Statistical Software 27

例子：

from cuml.tsa.auto_arima import AutoARIMA

model = AutoARIMA(y)
model.search(s=12, d=(0, 1), D=(0, 1), p=(0, 2, 4), q=(0, 2, 4),
             P=range(2), Q=range(2), method="css", truncate=100)
model.fit(method="css-ml")
fc = model.forecast(20)

屬性：

d_y：

相關用法

注：本文由純淨天空篩選整理自rapids.ai大神的英文原創作品 cuml.tsa.auto_arima.AutoARIMA。非經特殊聲明，原始代碼版權歸原作者所有，本譯文未經允許或授權，請勿轉載或複製。