pm AutoARIMA 找不到合适的模型

Question

我正在尝试使用 pmdarima 的 AutoARIMA 创建季节性 ARIMA (SARIMA) 模型。这样做的原因是新数据将在项目的整个生命周期内变得可用，并且需要自动找到最佳时间序列模型的代码。不幸的是，我当前的代码似乎产生了垃圾：

import pmdarima as pm
import pandas as pd


train_data = pd.read_csv("test.csv", header=None, names=["Value"])["Value"]
model = pm.AutoARIMA(seasonal=True, m=168, trace=True)
model.fit(train_data.fillna(0))

test.csv

输出（到目前为止，在大型服务器上经过一段时间后）：

Performing stepwise search to minimize aic
 ARIMA(2,1,2)(1,0,1)[168] intercept   : AIC=inf, Time=4041.19 sec
 ARIMA(0,1,0)(0,0,0)[168] intercept   : AIC=-35451.160, Time=1.07 sec
 ARIMA(1,1,0)(1,0,0)[168] intercept   : AIC=inf, Time=15118.06 sec
 ARIMA(0,1,1)(0,0,1)[168] intercept   : AIC=-35951.886, Time=3805.77 sec
 ARIMA(0,1,0)(0,0,0)[168]             : AIC=-35453.123, Time=0.56 sec
 ARIMA(0,1,1)(0,0,0)[168] intercept   : AIC=-35723.198, Time=2.69 sec
 ARIMA(0,1,1)(1,0,1)[168] intercept   : AIC=inf, Time=61326.67 sec
 ARIMA(0,1,1)(0,0,2)[168] intercept   : AIC=inf, Time=39971.60 sec
 ARIMA(0,1,1)(1,0,0)[168] intercept   : AIC=-36054.745, Time=4211.60 sec
 ARIMA(0,1,1)(2,0,0)[168] intercept   : AIC=-36344.782, Time=30668.84 sec

数据有两种季节性模式（一种是每天一次，一种是每周一次）。包括每日模式会产生合理的结果（使用 m=24），但每周往往会导致 AIC=inf，如上例所示。

Answer 1

问题似乎是 pmdarima 在一段时间后超时并插入一个 inf 的 AIC 作为非计算 AIC 的替代品。我最终进行了常规分析，并选择了一个稍微过大的 SARIMA 模型，该模型需要更长的时间来拟合，但肯定包括所有相关的影响。

pm AutoARIMA 找不到合适的模型

pm AutoARIMA no suitable models found

python

arima

pmdarima