通过 Statsmodels 进行时间序列预测答案

【问题标题】：Time series forecasting via Statsmodels通过 Statsmodels 进行时间序列预测
【发布时间】：2018-11-30 09:43:04
【问题描述】：

我使用以下代码进行了一些预测：

只是让您快速浏览一下数据集 (df.head())：

  places_occupees                date
0              238 2017-01-01 00:00:00
1              238 2017-01-01 00:01:00
2              238 2017-01-01 00:02:00
3              238 2017-01-01 00:03:00
4              238 2017-01-01 00:04:00

然后我预测未来 7 天：

X = places.values
train, test = X[1:len(X)-7], X[len(X)-7:]
# On entraîne le modèle d'autoregression
model = AR(train)
model_fit = model.fit()
print('Lag: %s' % model_fit.k_ar)
print('Coefficients: %s' % model_fit.params)
#On effectue des predictions
predictions = model_fit.predict(start=len(train), end=len(train)+len(test)-1, dynamic=False)

我得到以下输出：

剧情是这样的：

但我真正想做的是对未来 24 小时而不是未来 7 天做出一些预测。我怎样才能做到这一点？我应该如何修改上面的代码？

提前致谢。

【问题讨论】：

标签： python prediction statsmodels autoregressive-models

【解决方案1】：

你应该编码

train, test = X[:-30], X[-30:]

【讨论】：

嗨 xoyox，欢迎来到 SO。从您的帖子中不清楚这种修改将实现什么以及如何解决 OP 的问题？请编辑您的答案，以解释这是如何回答问题的。