我正在使用 scikit-learn 的 LinearRegression() 构建我的第一个时间序列预测模型。我还遇到了 statsmodels AutoReg()、ARMA() 和 SARIMAX()。不幸的是，在文献中我无法考虑考虑它们。它们是 LinearRegression() 的替代品吗？他们是机器学习吗？它们有根本的不同吗？
我很感激一个提示，在哪里可以进一步查看。谢谢。
【问题讨论】：
标签： statsmodels
季节性自回归综合移动平均线与外生变量 (SARIMAX) 模型的所有三种拟合变体。
AutoRegAutoReg 仅限于自回归模型，因此不包括季节性或移动平均组件。它确实支持外生回归器。它还支持复杂的确定性过程，例如傅立叶级数来模拟多个季节性。使用等效于条件最大似然的 OLS 估计参数。由于使用 OLS 估计参数，因此估计速度非常快且完全确定。
ARIMAARIMA 是SARIMAX 的受限版本，不包括季节性成分或外生回归量。因为它排除了这两种类型的术语，所以它可以提供在拟合完整 SARIMAX 模型时不可用的额外拟合选项。这些具有与最大似然法不同的统计属性，最大似然法是SARIMAX 中唯一可用的方法（ARIMA 也支持最大似然法）。许多这些替代参数估计方法也比 ML 更快。
SARIMAXSARIMAX 支持ARIMA 的所有功能以及两个附加组件。它只能使用最大似然来估计。 ML 使用数值方法来最大化函数，因此某些序列/模型的估计可能会遇到收敛困难。
examples page 是查看这些模型详细使用的最佳位置。许多笔记本都包含代码示例和解释底层数学的 LaTeX 标记。
【讨论】：