多个系列的自动 ARIMA 提供" ValueError : Encountered exception in stationarity test ('adf') "

Question

我有一个109行96列的时间序列数据帧。我一直试图通过在每列上循环来获得模型建议的参数，从而在数据帧上实现Auto Arima，但我得到了以下错误。有人能帮忙吗？

在一个系列而不是数据帧上构建模型会有帮助吗？如果是这样的话，我该如何在整个数据而不是每一列的基础上构建呢？

" ValueError: Encountered exception in stationarity test ('adf'). This can occur in seasonal settings when a large enough `m` coupled with a large enough `D` difference the training array into too few samples for OLS (input contains 109 samples). Try fitting on a larger 
training size (raised from LinAlgError: Singular matrix) "

代码：

series = df_main_scaled.columns    
for col in series:
print("Auto Arima for : ",{col})
model = pm.auto_arima(df[col], start_p=1, start_q=1,
test='adf',
max_p=4, max_q=4,
m=1,             
d=None,          
trace=True,
error_action='ignore',  
suppress_warnings=True, 
stepwise=True)
print(model.aic())
model.summary()

Answer 1

只有1的季节性(m(实际上没有意义。季节性意味着你的时间序列中反复出现的模式(例如，几个月来气温的上升和下降(，但一次观测不可能有这样的模式。您需要删除m或设置更高的值，当然这取决于您的数据。