(python)pmdarima.auto_arima(pyramid.auto_arima) 不会自动使用 d 和 D 参数

Question

我手动制作了20款型号，并发现应该为每种模型使用d=1或D=1，但 auto_arima永远不要使用差异Args (甚至一种模型根本没有d或D，所有试验都像(1,0,1(x(0、0、1、52(。我通过设置trace=True进行了检查。

我希望auto_arima进行参数网格搜索 pdq=(0~3, 0~1, 0~3)和PDQs=(0~3, 0~1, 0~3, 52) 。

我将参数设置如下：

    start_p=0,
    start_q=0,
    max_p=3,
    max_d=1,
    max_q=3,
    start_P=0,
    D=None,
    start_Q=0,
    max_P=2,
    max_D=1,
    max_Q=2,
    max_order=10,
    m=52,
    seasonal=True,
    stationary=False,
    information_criterion='aic',
    alpha=0.05,
    test='kpss',
    seasonal_test='ocsb',
    stepwise=True,
    n_jobs=-1,
    start_params=None,
    trend=None,
    method=None,
    transparams=True,
    maxiter=None,
    n_fits=100,
    with_intercept=True,

如何使auto_arima网格搜索我想做什么？

Answer 1

有关pmdarima及其实现auto_arima，您应该知道几件事。目前我正在玩一些，所以我会尝试回答您的问题。

1. 网格搜索：auto_arima的实现使用逐步算法来识别最佳参数。在您的参数上方是stepwise，默认情况下将其设置为True。在API中，有：

   逐步算法可以比拟合所有高参数组合的速度要快得多，并且过度拟合模型的可能性较小。

   如果要进行网格搜索，则必须将此参数设置为False。

2. 差异参数：尝试此选项(stepwise=False(时，它应该尝试所有组合，但两个参数 - d和D。那是因为它们是估计的，而不包括在参数搜索中。在您的问题中列出的参数中，您有两个测试-test和seasonal_test。这些方法分别用于选择d和D的值。

   我建议您阅读有关理解P，D和Q的文档。您可以更好地了解他们如何处理差异参数估计。

   您也可以尝试直接测试这些方法(只需更改测试的值(：

from pmdarima.arima.utils import ndiffs
ndiffs(y, test='kpss')

我不知道如何在网格搜索中测试d参数，我认为Python和R实现都执行相同或相似的估计。因此，您可以自己执行此操作，并运行使用手动设置差异参数的auto_arima，并在网格搜索上休息。否则，它将自动选择d和D的值。问题是 - 当这些自动测试说的内容不同时，您如何知道每种型号应使用d=1和D=1？