尝试在 Pyspark 中实施 Holt-Winters 指数平滑时出错

Question

我正在尝试对我的数据集 FinalModel 执行 Holt-Winters 指数平滑，该模型具有 Date 作为索引和 Crimecount 列以及其他列。我只想预测 CrimeCount 列，但出现以下错误：

ValueError: Buffer dtype mismatch, expected 'double' but got 'long long'

我的代码：

df = FinalModel.copy()
train, test = FinalModel.iloc[:85, 18], df.iloc[85:, 18]
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from statsmodels.tsa.holtwinters import ExponentialSmoothing

df.index.freq = 'MS'
model = ExponentialSmoothing(train.astype(np.int64), seasonal='mul', seasonal_periods=12).fit()
pred = model.predict(start=test.index[0], end=test.index[-1])
plt.plot(train.index, train, label='Train')
plt.plot(test.index, test, label='Test')
plt.plot(pred.index, pred, label='Holt-Winters')
plt.legend(loc='best')

Answer 1

错误表明输入值应为 doubles，但收到的却是 long 类型。强制输入值是 numpy 浮点数而不是 numpy 整数就可以了：

df = FinalModel.copy()
train, test = FinalModel.iloc[:85, 18], df.iloc[85:, 18]
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from statsmodels.tsa.holtwinters import ExponentialSmoothing

df.index.freq = 'MS'
model = ExponentialSmoothing(train.astype('<f8'), seasonal='mul', seasonal_periods=12).fit()
pred = model.predict(start=test.index[0], end=test.index[-1])
plt.plot(train.index, train, label='Train')
plt.plot(test.index, test, label='Test')
plt.plot(pred.index, pred, label='Holt-Winters')
plt.legend(loc='best')

通常大多数来自 statsmodels 和 sklearn 的统计模型都假设输入值是浮点数。大多数这些方法会自动为您进行转换，但 ExponentialSmoothing 似乎不会。尽管如此，为了保持一致性，将输入值转换为浮点数是一个好习惯。

尝试在 Pyspark 中实施 Holt-Winters 指数平滑时出错

Error when trying to implement Holt-Winters Exponential Smoothing in Pyspark

python

statsmodels

holtwinters