userwarning: mkl-service package failed to import, therefore intel(r) mkl initialization ensuring its correct out-of-the box operation under condition when gnu openmp had already been loaded by python process is not assured. please install mkl-service package, see http://github.com/intelpython/mkl-service

警告信息是提示“mkl-service”包导入失败，因此不能确保在Python进程已经加载了GNU OpenMP的情况下正确启动Intel(R) MKL。建议安装“mkl-service”包，详情请参考http://github.com/intelpython/mkl-service。

相关问题

UserWarning: Flask-Caching: CACHE_TYPE is set to null, caching is effectively disabled. "Flask-Caching: CACHE_TYPE is set to null, " No PIL installation found

这个警告信息提示您的 Flask 应用程序没有启用缓存。为了启用缓存，您需要在 Flask 应用程序中设置一个缓存类型。例如，如果您想使用简单的内存缓存，可以在 Flask 应用程序中添加以下行：

from flask_caching import Cache

cache = Cache(config={'CACHE_TYPE': 'simple'})

app = Flask(__name__)
cache.init_app(app)

此外，警告信息中还提示找不到 PIL 安装。PIL 是 Python Imaging Library 的缩写，它提供了许多图像处理功能。如果您的应用程序需要使用图像处理功能，您需要安装 PIL。您可以使用 pip 包管理器来安装 PIL，命令如下：

pip install pillow

安装完成后，您需要在应用程序中导入 PIL：

from PIL import Image

UserWarning: Non-stationary starting autoregressive parameters found. Using zeros as starting parameters. warn('Non-stationary starting autoregressive parameters'

这个警告是因为在ARIMA模型拟合过程中，发现自回归（AR）参数的起始值不是平稳的。为了解决这个问题，模型使用了零作为起始参数。

ARIMA模型假设时间序列是平稳的，但如果自回归参数的起始值不是平稳的，可能会导致模型拟合过程出现问题。一种常见的处理方法是对时间序列进行差分，直到获得平稳序列，然后再应用ARIMA模型。

警告提示使用零作为起始参数，这意味着模型将从一个平稳的状态开始拟合数据。然而，这并不保证模型能够正确拟合数据，因此建议对结果进行进一步评估和调整。

如果你对时间序列的平稳性有疑问，可以进一步检查时间序列的特性，并尝试应用差分或其他预处理技术来处理非平稳性。另外，你还可以尝试使用其他模型或调整ARIMA模型的参数来改进模型的性能。