Kaggle知識(shí)點(diǎn)輔導(dǎo)講解：網(wǎng)格搜索ARIMA參數(shù)

Category: 國(guó)際競(jìng)賽, 熱門資訊, 翰林嚴(yán)選 Date: 2022年3月4日上午10:08

Kaggle作為數(shù)據(jù)分析類專業(yè)同學(xué)升學(xué)和求職的無敵Buff，它吸引人的地方不是高達(dá)百萬美金的獎(jiǎng)金，更多的是這段經(jīng)歷能給參賽者帶來的機(jī)遇和技能加成。今天對(duì)Kaggle知識(shí)點(diǎn)進(jìn)行輔導(dǎo)講解。

在時(shí)序序列模型中ARIMA全稱差分整合移動(dòng)平均自回歸模型，是時(shí)間序列預(yù)測(cè)分析方法之一。

ARIMA(p，d，q)模型：

AR是“自回歸”，p為自回歸項(xiàng)；

MA為“滑動(dòng)平均”，q為滑動(dòng)平均項(xiàng)；

d為序列做的差分次數(shù)；

p d q如何確定？

步驟1：確定序列平穩(wěn)性

在拿到基于時(shí)間的觀測(cè)值序列后，需要首先進(jìn)行兩步預(yù)處理，一個(gè)是純隨機(jī)性檢驗(yàn)，另一個(gè)是平穩(wěn)性檢驗(yàn)，然后根據(jù)這兩步的檢驗(yàn)結(jié)果再采取相應(yīng)的時(shí)間序列模型進(jìn)行分析。

對(duì)時(shí)間序列做d次差分才能得到一個(gè)平穩(wěn)序列，那么可以使用ARIMA(p,d,q)模型，其中d是差分次數(shù)。

步驟2：計(jì)算ACF和PACF

確定了序列平穩(wěn)之后，就開始做自相關(guān)圖（ACF）和偏自相關(guān)圖（PACF）。

ACF 是一個(gè)完整的自相關(guān)函數(shù)，可為我們提供具有滯后值的任何序列的自相關(guān)值。簡(jiǎn)單來說，它描述了該序列的當(dāng)前值與其過去的值之間的相關(guān)程度。

PACF 是部分自相關(guān)函數(shù)或者偏自相關(guān)函數(shù)，是找到殘差（在去除了之前的滯后已經(jīng)解釋的影響之后仍然存在）與下一個(gè)滯后值的相關(guān)性。

import?pandas?as?pd
import?numpy?as?np
import?matplotlib.pyplot?as?plt
%matplotlib?inline

t?=?np.linspace(0,?10,?500)
#normal?distributed?values
ys?=?np.random.normal(0,5,500)

#exponential?series?to?get?the?trend
ye?=?np.exp(t**0.5)
#adding?normally?distributed?series?in?exponential?series
y?=?ys+ye
plt.figure(figsize=(16,7))
plt.plot(t,y)

步驟3：確定p和q

截尾ACF或PACF某階后均為0；

拖尾ACF或PACF并不在某階后均為0。

能不能自動(dòng)搜索p d q？

上述確定ARIMA參數(shù)的過程需要有時(shí)間序列的積累，入門的同學(xué)很難上手。有沒有替代的方法呢？

如果有了驗(yàn)證集我們可以直接從驗(yàn)證集對(duì)ARIMA(p，d，q)進(jìn)行網(wǎng)格搜索，以驗(yàn)證集精度確定具體的參數(shù)。

基礎(chǔ)的偽代碼如下：

def?gridSearch(itemObj,silent):
#?搜索空間
p?=?d?=?q?=?range(0,?3)

# 搜索組合
pdq?=?list(itertools.product(p,?d,?q))
seasonal_pdq = [(x[0], x[1], x[2], 12) for x in list(itertools.product(p, d, q))]

# 訓(xùn)練模型

# 驗(yàn)證模型

# 返回最優(yōu)參數(shù)