我对如何使用ARIMA进行预测/预测感到非常困惑。
假设我们有一个名为y_orig的系列，我们将其分为y_train和y_test.假设y_orig不是静止的，我们可以使用以下代码来适应 ARIMA
# fit ARIMA model
from statsmodels.tsa.arima_model import ARIMA
model = ARIMA(y_train, order=(2,1,2))
model_fit = model.fit(disp=0)
print(model_fit.summary())
拟合模型后，我们可以使用以下代码进行预测
n_periods = len(`y_test`)
fc, -, - = model_fit.forecast(n_periods, alpha=0.05) # 95% conf
fc的值应该给出一个预测，然后我将其与y_test进行比较。请注意，正如预期的那样，y_test不会在训练阶段使用。另请注意，我不是在寻找滚动预测，而是寻找参数(经过训练(是固定的长期预测。
我很困惑，因为在预测阶段根本没有使用y_test。
例如，如果我们要使用其他预测模型(如 Keras 或 tensorflow(，我们将以这种方式编码。
首先，我们在训练阶段拟合模型，我没有展示 - 这对我的问题无关紧要。然后，我们使用下面的代码预测并查看我们的拟合度in sample有多好。
y_pred_train=model.predict(y_train)
然后我们测试模型out of sample如下所示：
y_pred_test=model.predict(y_test)
在这种情况下，不会重新估计参数，y_test在测试阶段使用参数来预测下一个值(使用固定参数(。
因此，我对ARIMA感到困惑。 为什么我们不对ARIMA模型做同样的事情？
请帮助我理解，因为我非常困惑。
非常感谢！！
我想你对ARIMA代码块中的.fit和y_train有点困惑。y_train在这里只是一个命名不佳的变量，它应该只是y，我想要预测的数据。ARIMA模型没有训练/测试阶段，它不是自学。它对输入数据进行统计分析，并进行预测。如果要进行另一个预测(y_test(，则需要进行另一个统计分析(使用model.fit(并执行另一个预测(使用model.forecast(。ARIMA模型在训练阶段没有任何训练weights，与任何先前"拟合"的数据相关的任何内容都不会保存在模型中。不能使用"拟合"ARIMA模型来预测其他数据样本。