指数平滑预测所有空值

Question

我编写了一个程序，应该使用指数平滑来预测值。我有 6 个月的数据（从四月到九月）。基于这 6 个月，我想预测接下来的 6 个月（即从 10 月到 3 月）。

这是我的代码：

import pandas as pd
import matplotlib.pyplot as plt
import numpy as np
from statsmodels.tsa.holtwinters import ExponentialSmoothing

d = {'Month':['April','May','June','July','August','September'],'Value':[2.868,7.205,13.349,20.115,22.769,23.981]}
df = pd.DataFrame(data=d)

model = ExponentialSmoothing(df['Value'],trend='mul',seasonal='mul',seasonal_periods = 6).fit()
predict = model.forecast(6)

然而，当我看到预测值时，它都是 Nans。我不确定我在哪里犯了错误。谁能帮忙解决这个问题？

Answer 1

查看 documentation，seasonal_periods 是季节性周期中的周期数。

如果您查看 Holt-Winters 的等式（例如 here），它包含一个季节性项，该项移动了 m 步（其中 m等于 seasonal_periods）。这意味着，要在 seasonal_periods=6 处进行预测，您需要在数据中提前 6 个时间步获得输入值。

由于数据仅包含 6 个数据点，因此无法进行任何预测。

可能的解决方案：

周期为6的数据真的是季节性的吗？如果不是，请删除 seasonal_periods 参数或更改它。
向数据框添加更多数据。如果您的数据只有一个时间步长，那么您将获得实际的预测。

Answer 2

增加输入数据点，由于缺乏数据，我猜模型无法收敛并决定趋势和季节性因素。我添加了一个额外的数据点，模型能够决定因素。

As a rule of thumb, a minimum of two full seasons (or 2L periods) of historical data is needed to initialize a set of seasonal factors.

>>> data
2020-04-01     2.868
2020-05-01     7.205
2020-06-01    13.349
2020-07-01    20.115
2020-08-01    22.769
2020-09-01    23.981
2020-10-01    22.100
Freq: MS, dtype: float64
>>> model = ExponentialSmoothing(data,trend='mul',seasonal='mul', seasonal_periods=6).fit()
>>> model.forecast(10)
2020-11-01      55.519626
2020-12-01     102.863252
2021-01-01     154.999872
2021-02-01     175.450687
2021-03-01     184.789706
2021-04-01     170.295457
2021-05-01     427.816286
2021-06-01     792.630950
2021-07-01    1194.378883
2021-08-01    1351.966249
Freq: MS, dtype: float64

参考： https://en.wikipedia.org/wiki/Exponential_smoothing#Triple_exponential_smoothing_(Holt_Winters)

指数平滑预测所有空值

Exponential Smoothing predicts all null values

python

dataframe

python-3.x

pandas

statsmodels