ExponentialSmoothing - 预测每日数据答案

【问题标题】：ExponentialSmoothing - forecast daily dataExponentialSmoothing - 预测每日数据
【发布时间】：2021-11-30 18:40:56
【问题描述】：

我有一个包含 2015 年至 2019 年（2019 年 12 月 12 日）5 年每日数据的文件，我需要预测 2021 年的每日数据；我使用 statsmodels.tsa.holtwinters.ExponentialSmoothing，直到现在我还能够通过预测 2019 年和 2020 年来预测它。不预测 2020 年是否可以预测 2021 年？

以下是我的代码：

fit1 = ExponentialSmoothing(train[colval],seasonal_periods=730,trend=trend, seasonal=seasonal,).fit()
prediction_result = fit1.forecast(365)

用上面的代码，预测也是在训练数据集之后才开始的，正常吗？

这就是我拆分数据的方式：2015-2018 年训练和 2019 年进行测试

【问题讨论】：

您可以查看predict。您可以通过开始日期和结束日期来预测。但是，您需要您的系列具有定义了频率变量的 datetimeindex
@max12525k 根据我的测试，开始日期必须与数据集中的现有索引匹配，并且我拥有的索引不包含任何 2021 年日期。我应该用日期填充它，但可能没有值吗？

标签： python machine-learning time-series forecasting holtwinters

【解决方案1】：

如果您在训练时将基于datetimeindex 的系列提供给ExponentialSmoothing，则可以使用预测函数来预测任何日期。 AirPassengers 数据的频率设置为月开始。 AirPassengers 中包含的数据是 1949 - 1960 年的。

详情请参考以下示例：

import pandas as pd 
df = pd.read_csv('AirPassengers.csv')
df['Month'] = pd.to_datetime(df['Month'])
df = df.set_index('Month')
from statsmodels.tsa.api import ExponentialSmoothing
es = ExponentialSmoothing(df).fit()
es.predict('2021-05-01', '2021-08-01')

你会得到如下输出：

	0
2021-05-01 00:00:00	431.792
2021-06-01 00:00:00	431.792
2021-07-01 00:00:00	431.792
2021-08-01 00:00:00	431.792

我希望这能回答你的问题。

【讨论】：