从 statsmodels 库的 get_prediction 函数读取数据框
Read data frame from get_prediction function of statsmodels library
我在这里使用 arima 创建预测模型我使用了 statsmodels
获取未来的预测步骤
pred_uc = results.get_prediction(start='2001-05-01',end='2002-05-01')
print(pred_uc)
当我打印这个时,我得到它的对象可以将它转换成数组或数据框中的可读格式
<statsmodels.tsa.statespace.mlemodel.PredictionResultsWrapper object at 0x00000000156E71D0>
这里看起来数据存储在内存位置,因为我是 python 的菜鸟,我在这里需要一些帮助...
基于此Google search result (Japanese),尝试
pred_uc.predicted_mean
您还可以使用
获得 95% 置信区间的 DataFrame
pred_uc_ci = pred_uc.conf_int(alpha=0.05)
你可以试试这个:
pred_uc = fitted_model.get_prediction(start='2001-05-01', end='2002-05-01')
pred_uc = pred_uc.predicted_mean
pred_uc.columns = ['predicted1','predicted2', 'predicted_n']
pred_uc.head()
我在这里使用 arima 创建预测模型我使用了 statsmodels
获取未来的预测步骤
pred_uc = results.get_prediction(start='2001-05-01',end='2002-05-01')
print(pred_uc)
当我打印这个时,我得到它的对象可以将它转换成数组或数据框中的可读格式
<statsmodels.tsa.statespace.mlemodel.PredictionResultsWrapper object at 0x00000000156E71D0>
这里看起来数据存储在内存位置,因为我是 python 的菜鸟,我在这里需要一些帮助...
基于此Google search result (Japanese),尝试
pred_uc.predicted_mean
您还可以使用
获得 95% 置信区间的 DataFramepred_uc_ci = pred_uc.conf_int(alpha=0.05)
你可以试试这个:
pred_uc = fitted_model.get_prediction(start='2001-05-01', end='2002-05-01')
pred_uc = pred_uc.predicted_mean
pred_uc.columns = ['predicted1','predicted2', 'predicted_n']
pred_uc.head()