alpha 和 beta 大于 1 的指数平滑
Exponential Smoothing with alpha and beta greater than one
我有以下时间序列
year value
2001-01-01 433.0
2002-01-01 445.0
2003-01-01 406.0
2004-01-01 416.0
2005-01-01 432.0
2006-01-01 458.0
2007-01-01 418.0
2008-01-01 392.0
2009-01-01 464.0
2010-01-01 434.0
2012-01-01 435.0
2013-01-01 437.0
2014-01-01 465.0
2015-01-01 442.0
2016-01-01 456.0
2017-01-01 448.0
2018-01-01 433.0
2019-01-01 399.0
我想用指数平滑模型拟合。我按以下方式定义我的模型:
model = ExponentialSmoothing(dataframe, missing='drop', trend='mul', seasonal_periods=5,
seasonal='add',initialization_method="heuristic")
model = model.fit(optimized=True, method="basinhopping")
我让算法优化 smoothing_level
=$\alpha$、smoothing_trending
=$\beta$、smoothing_seasonal
=$\gamma$ 和 damping_trend
=$\phi$.
然而,当我打印这个特定案例的结果时,我得到:$\alpha=1.49$、$\beta=1.41$、$\gamma=0.0$ 和 $\phi=0.0$。
有人可以向我解释这里发生了什么吗?
$\alpha$ 和 $\beta$ 的这些值大于 1 可以接受吗?
我认为您误解了结果。我们可以 运行 您的模型如下:
data = [
433.0, 445.0, 406.0, 416.0, 432.0, 458.0,
418.0, 392.0, 464.0, 434.0, 435.0, 437.0,
465.0, 442.0, 456.0, 448.0, 433.0, 399.0]
model = sm.tsa.ExponentialSmoothing(data, missing='drop', trend='mul', seasonal_periods=5,
seasonal='add',initialization_method="heuristic")
res = model.fit(optimized=True, method="basinhopping")
print(res.params['smoothing_level'])
print(res.params['smoothing_trend'])
这给了我:
1.4901161193847656e-08
1.4873988732462211e-08
注意 e-08
部分 - 第一个参数不等于 1.49,它等于 0.0000000149。
我有以下时间序列
year value
2001-01-01 433.0
2002-01-01 445.0
2003-01-01 406.0
2004-01-01 416.0
2005-01-01 432.0
2006-01-01 458.0
2007-01-01 418.0
2008-01-01 392.0
2009-01-01 464.0
2010-01-01 434.0
2012-01-01 435.0
2013-01-01 437.0
2014-01-01 465.0
2015-01-01 442.0
2016-01-01 456.0
2017-01-01 448.0
2018-01-01 433.0
2019-01-01 399.0
我想用指数平滑模型拟合。我按以下方式定义我的模型:
model = ExponentialSmoothing(dataframe, missing='drop', trend='mul', seasonal_periods=5,
seasonal='add',initialization_method="heuristic")
model = model.fit(optimized=True, method="basinhopping")
我让算法优化 smoothing_level
=$\alpha$、smoothing_trending
=$\beta$、smoothing_seasonal
=$\gamma$ 和 damping_trend
=$\phi$.
然而,当我打印这个特定案例的结果时,我得到:$\alpha=1.49$、$\beta=1.41$、$\gamma=0.0$ 和 $\phi=0.0$。
有人可以向我解释这里发生了什么吗? $\alpha$ 和 $\beta$ 的这些值大于 1 可以接受吗?
我认为您误解了结果。我们可以 运行 您的模型如下:
data = [
433.0, 445.0, 406.0, 416.0, 432.0, 458.0,
418.0, 392.0, 464.0, 434.0, 435.0, 437.0,
465.0, 442.0, 456.0, 448.0, 433.0, 399.0]
model = sm.tsa.ExponentialSmoothing(data, missing='drop', trend='mul', seasonal_periods=5,
seasonal='add',initialization_method="heuristic")
res = model.fit(optimized=True, method="basinhopping")
print(res.params['smoothing_level'])
print(res.params['smoothing_trend'])
这给了我:
1.4901161193847656e-08
1.4873988732462211e-08
注意 e-08
部分 - 第一个参数不等于 1.49,它等于 0.0000000149。