我可以将我的 ARIMA 模型分解为特定于趋势和季节性的组件吗？
Can I break out my ARIMA model into trend and seasonality specific components?
我正在使用 ARIMA 来预测一些医疗数据的时间序列。我想知道我是否可以采用适合我的数据的 ARIMA 模型并获得一些分别描述趋势和季节性的数字。这对我很有用，因为它可以让我在没有季节性影响结果的情况下查看模型的趋势率。请让我知道，如果你有任何问题。谢谢。
我无法从 google 搜索中找到任何内容，但不知道从哪里开始。我研究了季节性分解，但这似乎得到了我的实际数据的趋势和季节性，而不是适合数据的模型。
我认为，如果您想了解模型的趋势和季节性，您应该首先使用 .forecast(bignumber) 对大范围的日期进行预测。然后根据这个预测，您可以使用 statsmodels.tsa.seasonal.seasonal_decompose 进行分解。这样，您将清楚地了解 ARIMA 模型学习到的趋势和季节性。之后，如果你想估计趋势的表达，你可以在分解的趋势上训练线性或多项式模型。
我正在使用 ARIMA 来预测一些医疗数据的时间序列。我想知道我是否可以采用适合我的数据的 ARIMA 模型并获得一些分别描述趋势和季节性的数字。这对我很有用，因为它可以让我在没有季节性影响结果的情况下查看模型的趋势率。请让我知道，如果你有任何问题。谢谢。
我无法从 google 搜索中找到任何内容，但不知道从哪里开始。我研究了季节性分解，但这似乎得到了我的实际数据的趋势和季节性，而不是适合数据的模型。
我认为，如果您想了解模型的趋势和季节性，您应该首先使用 .forecast(bignumber) 对大范围的日期进行预测。然后根据这个预测，您可以使用 statsmodels.tsa.seasonal.seasonal_decompose 进行分解。这样，您将清楚地了解 ARIMA 模型学习到的趋势和季节性。之后，如果你想估计趋势的表达，你可以在分解的趋势上训练线性或多项式模型。