python 状态空间模型_替代r的python/scikit/numpy中的指数平滑状态空间模型

骑猪看日落 2022-12-31 15:24 52阅读 0赞

John Moutafi..

经过一番搜索,我没有发现任何看起来很有希望作为etspython 的替代品.虽然有一些尝试:StatsModels和pycast的预测方法,您可以检查它们是否适合您的需求.

可用于解决缺少的实现的一个选项是使用子进程模块从python运行R脚本.这里是如何做到这一点很好的文章在这里.

为了做到以后:

您需要创建一个R脚本(例如my\_forecast.R),它将

计算(使用ets)并打印文件上的预测,或者stdout(使用cat()命令),以便在脚本运行后使用它们.

您可以从python脚本运行R脚本,如下所示:

import subprocess

\# You need to define the command that will run the Rscript from the subprocess

command = 'Rscript'

path2script = 'path/to/my\_forecast.R'

cmd = \[command, path2script\]

\# Option 1: If your script prints to a file

subprocess.run(cmd)

f = open('path/to/created/file', 'r')

(...Do stuff from here...)

\# Option 2: If your script prints to stdout

forecasts = subprocess.check\_output(cmd, universal\_newlines=True)

(...Do stuff from here...)

您还可以为您的参数添加参数,您cmd的Rscript将将其用作命令行参数,如下所示:

args = \[arg0, arg1, ...\]

cmd = \[command, path2script\] + args

Then pass cmd to the subprocess

编辑:

我发现了一个示范一系列的霍尔特-温特斯预测文章:第一部分,第2部分和第三部分.除了这些文章中易于理解的分析外,Gregory Trubetskoy(作者)提供了他开发的代码:

初步趋势:

def initial\_trend(series, slen):

sum = 0.0

for i in range(slen):

sum += float(series\[i+slen\] - series\[i\]) / slen

return sum / slen

\# >>> initial\_trend(series, 12)

\# -0.7847222222222222

最初的季节性成分:

def initial\_seasonal\_components(series, slen):

seasonals = \{\}

season\_averages = \[\]

n\_seasons = int(len(series)/slen)

\# compute season averages

for j in range(n\_seasons):

season\_averages.append(sum(series\[slen\*j:slen\*j+slen\])/float(slen))

\# compute initial values

for i in range(slen):

sum\_of\_vals\_over\_avg = 0.0

for j in range(n\_seasons):

sum\_of\_vals\_over\_avg += series\[slen\*j+i\]-season\_averages\[j\]

seasonals\[i\] = sum\_of\_vals\_over\_avg/n\_seasons

return seasonals

\# >>> initial\_seasonal\_components(series, 12)

\# \{0: -7.4305555555555545, 1: -15.097222222222221, 2: -7.263888888888888,

\# 3: -5.097222222222222, 4: 3.402777777777778, 5: 8.069444444444445,

\# 6: 16.569444444444446, 7: 9.736111111111112, 8: -0.7638888888888887,

\# 9: 1.902777777777778, 10: -3.263888888888889, 11: -0.7638888888888887\}

最后算法:

def triple\_exponential\_smoothing(series, slen, alpha, beta, gamma, n\_preds):

result = \[\]

seasonals = initial\_seasonal\_components(series, slen)

for i in range(len(series)+n\_preds):

if i == 0: \# initial values

smooth = series\[0\]

trend = initial\_trend(series, slen)

result.append(series\[0\])

continue

if i >= len(series): \# we are forecasting

m = i - len(series) + 1

result.append((smooth + m\*trend) + seasonals\[i%slen\])

else:

val = series\[i\]

last\_smooth, smooth = smooth, alpha\*(val-seasonals\[i%slen\]) + (1-alpha)\*(smooth+trend)

trend = beta \* (smooth-last\_smooth) + (1-beta)\*trend

seasonals\[i%slen\] = gamma\*(val-smooth) + (1-gamma)\*seasonals\[i%slen\]

result.append(smooth+trend+seasonals\[i%slen\])

return result

\# \# forecast 24 points (i.e. two seasons)

\# >>> triple\_exponential\_smoothing(series, 12, 0.716, 0.029, 0.993, 24)

\# \[30, 20.34449316666667, 28.410051892109554, 30.438122252647577, 39.466817731253066, ...

您可以将它们放在一个文件中,例如:holtwinters.py在具有以下结构的文件夹中:

forecast\_folder

??? \_\_init\_\_.py

??? holtwinters.py

从这里开始,这是一个python模块,您可以将其置于所需的每个项目结构中,并在该项目内的任何位置使用它,只需导入它即可.

我给你赏金,因为你付出了很多努力来回答这个问题,但这仍然不是我想要的.如果将来有人发现(或创建)所有30个Rob Hyndmans状态空间指数平滑模型,我将很乐意制作并奖励另一个赏金:https://www.otexts.org/fpp/7/ 7 (2认同)

python 状态空间模型_替代r的python/scikit/numpy中的指数平滑状态空间模型

发表评论取消回复

还没有评论，来说两句吧...

相关阅读

相关 Python中记住过去（模型状态）的五种方法

相关卷积法求解系统的零状态响应_《现代控制理论基础》— 4 状态空间的数学模型（二）...

相关 python 状态空间模型_替代r的python/scikit/numpy中的指数平滑状态空间模型

相关传递函数化为状态空间表达式

相关 Redis之数据库空间模型

相关 vsm向量空间模型实现

相关向量空间模型（VSM）算法

相关文本表示+向量空间模型

相关人工智能--状态空间的盲目搜索

相关人工智能--状态空间问题求解方法