如何使用 statsmodels Holt-Winters 预测时间序列集

Question

我有一组从 2012 年 1 月到 2014 年 12 月的数据，这些数据显示了一些趋势和季节性。我想使用 statsmodels 中的 Holt-Winters 方法对未来 2 年（从 2015 年 1 月到 2017 年 12 月）进行预测。 数据集如下：

date,Data
Jan-12,153046
Feb-12,161874
Mar-12,226134
Apr-12,171871
May-12,191416
Jun-12,230926
Jul-12,147518
Aug-12,107449
Sep-12,170645
Oct-12,176492
Nov-12,180005
Dec-12,193372
Jan-13,156846
Feb-13,168893
Mar-13,231103
Apr-13,187390
May-13,191702
Jun-13,252216
Jul-13,175392
Aug-13,150390
Sep-13,148750
Oct-13,173798
Nov-13,171611
Dec-13,165390
Jan-14,155079
Feb-14,172438
Mar-14,225818
Apr-14,188195
May-14,193948
Jun-14,230964
Jul-14,172225
Aug-14,129257
Sep-14,173443
Oct-14,188987
Nov-14,172731
Dec-14,211194

如下所示：

我正在尝试构建 Holt-Winters 模型，以提高过去数据的预测性能（这意味着，一个新的图表，我可以在其中查看我的参数是否可以很好地预测过去）以及稍后对未来几年的预测。我使用以下代码进行了预测，但无法进行预测。

# Data loading
data = pd.read_csv('setpoints.csv', parse_dates=['date'], index_col=['date'])
df_data = pd.DataFrame(datos_matric, columns=['Data'])

df_data['Data'].index.freq = 'MS'
train, test = df_data['Data'], df_data['Data']
model = ExponentialSmoothing(train, trend='add', seasonal='add', seasonal_periods=12).fit()
period = ['Jan-12', 'Dec-14']
pred = model.predict(start=period[0], end=period[1])


df_data['Data'].plot(label='Train')
test.plot(label='Test')
pred.plot(label='Holt-Winters')
plt.legend(loc='best')
plt.show()

看起来像：

现在有人如何预测吗？

Answer 1

我认为你在这里犯了一个误解。您不应该对train 和test 使用相同的数据。测试数据是您的模型“尚未看到”的数据点。通过这种方式，您可以测试模型的性能。所以我用你最近三个月的数据为test。

至于预测，我们可以使用不同的start和end点。

另请注意，我将mul 用作seasonal component，它在您的数据上表现更好：

# read in data and convert date column to MS frequency
df = pd.read_csv(data)
df['date'] = pd.to_datetime(df['date'], format='%b-%y')
df = df.set_index('date').asfreq('MS')

# split data in train, test
train = df.loc[:'2014-09-01']
test = df.loc['2014-10-01':]

# train model and predict
model = ExponentialSmoothing(train, seasonal='mul', seasonal_periods=12).fit()
#model = ExponentialSmoothing(train, trend='add', seasonal='add', seasonal_periods=12).fit()
pred_test = model.predict(start='2014-10-01', end='2014-12-01')
pred_forecast = model.predict(start='2015-01-01', end='2017-12-01')

# plot data and prediction
df.plot(figsize=(15,9), label='Train')
pred_test.plot(label='Test')
pred_forecast.plot(label='Forecast')
plt.legend()
plt.show()
plt.savefig('figure.png')