计算arima算法预测的准确率的python代码

以下是使用ARIMA算法进行时间序列预测的Python代码，包括计算预测准确率的函数：

import pandas as pd
import numpy as np
from statsmodels.tsa.arima_model import ARIMA
from sklearn.metrics import mean_squared_error

# 加载数据
data = pd.read_csv('data.csv', header=None, index_col=0, parse_dates=True, squeeze=True)

# 拆分数据集
train_data = data[:'2019']
test_data = data['2020':]

# 训练ARIMA模型
model = ARIMA(train_data, order=(1, 1, 0))
model_fit = model.fit(disp=0)

# 预测
predictions = model_fit.predict(start='2020-01-01', end='2020-12-31', typ='levels')

# 计算预测准确率
def evaluate_forecast(test_data, predictions):
    mse = mean_squared_error(test_data, predictions)
    rmse = np.sqrt(mse)
    mape = np.mean(np.abs(predictions - test_data) / np.abs(test_data)) * 100
    return {'MSE': mse, 'RMSE': rmse, 'MAPE': mape}

results = evaluate_forecast(test_data, predictions)
print(results)

其中，`data.csv`是一个包含时间序列数据的文件，`train_data`和`test_data`分别表示训练集和测试集，`model`表示ARIMA模型，`predictions`是预测结果。`evaluate_forecast`函数用于计算预测结果的MSE、RMSE和MAPE。