AutoArima - 为 m 选择正确的值
AutoArima - Selecting correct value for m
所以为了论证，这里是 daily 数据的 autoarima 示例：
auto_arima(df['orders'],seasonal=True,m=7)
现在在 运行 显示每周季节性的季节性分解之后的那个例子中，我“认为”你 select 7 为 m？这是否正确，因为季节性显示为每周一次？
我的第一个问题如下 - 如果季节性是每月，您是否使用 12？如果是 Annually 你使用 1 吗？有没有理由每天 select 365？
其次，如果您获得的数据已经是每周，例如
date weekly tot
2021/01/01 - 10,000
2021/01/07 - 15,000
2021/01/14 - 9,000
and so on......
然后进行季节性分解，m=1 用于每周，m=4 用于每月，m=52 用于每年。
最后，如果它 每月 像这样：
date monthly tot
2020/01/01- 10,000
2020/02/01- 15,000
2020/03/01- 9,000
and so on......
然后您进行季节性分解，每月 m=1，每年 m=12。
任何帮助将不胜感激，我只想能够自信地 select 正确的标准。
季节是数据中的重复模式，m 是该季节的长度。 m 在那种情况下不是代码或任何东西，而只是长度：
想象一下天气，如果你有每周平均温度，它会在夏天上升，在冬天下降。由于一个“季节”的长度是一年或 52 周，因此您将 m 设置为 52。
如果每个季度都有一个重复模式，那么 m 就是 12，因为一个季度等于 12 周。它始终取决于您的数据和用例。
针对您的问题：
If seasonality is Monthly do you use 12?
如果您要查找的模式每 12 个月重复一次，是的，如果它每 3 个月重复一次，则为 3，依此类推。
If it is Annually do you use 1?
季节性为 1 没有任何意义，因为这意味着每个数据点都有重复模式。
And is there ever a reason to select 365 for daily?
如果您的数据是每日数据并且该模式每 365 天（意味着每年）重复一次，那么是的（您需要记住每四年有 366 天）。
我希望你能理解季节性背后的概念，m 这样你就可以回答剩下的问题了。
所以为了论证，这里是 daily 数据的 autoarima 示例：
auto_arima(df['orders'],seasonal=True,m=7)
现在在 运行 显示每周季节性的季节性分解之后的那个例子中，我“认为”你 select 7 为 m？这是否正确，因为季节性显示为每周一次？
我的第一个问题如下 - 如果季节性是每月，您是否使用 12？如果是 Annually 你使用 1 吗？有没有理由每天 select 365？
其次，如果您获得的数据已经是每周，例如
date weekly tot
2021/01/01 - 10,000
2021/01/07 - 15,000
2021/01/14 - 9,000
and so on......
然后进行季节性分解，m=1 用于每周，m=4 用于每月，m=52 用于每年。
最后，如果它 每月 像这样：
date monthly tot
2020/01/01- 10,000
2020/02/01- 15,000
2020/03/01- 9,000
and so on......
然后您进行季节性分解，每月 m=1，每年 m=12。
任何帮助将不胜感激，我只想能够自信地 select 正确的标准。
季节是数据中的重复模式，m 是该季节的长度。 m 在那种情况下不是代码或任何东西，而只是长度：
想象一下天气，如果你有每周平均温度，它会在夏天上升，在冬天下降。由于一个“季节”的长度是一年或 52 周，因此您将 m 设置为 52。
如果每个季度都有一个重复模式，那么 m 就是 12，因为一个季度等于 12 周。它始终取决于您的数据和用例。
针对您的问题：
If seasonality is Monthly do you use 12?
如果您要查找的模式每 12 个月重复一次，是的，如果它每 3 个月重复一次，则为 3，依此类推。
If it is Annually do you use 1?
季节性为 1 没有任何意义，因为这意味着每个数据点都有重复模式。
And is there ever a reason to select 365 for daily?
如果您的数据是每日数据并且该模式每 365 天（意味着每年）重复一次，那么是的（您需要记住每四年有 366 天）。
我希望你能理解季节性背后的概念，m 这样你就可以回答剩下的问题了。