ARIMA预测模型结果评价代码
时间: 2023-08-31 14:12:55 浏览: 38
以下是基于Python的ARIMA预测模型结果评价代码示例:
```python
import pandas as pd
import numpy as np
from statsmodels.tsa.arima.model import ARIMA
from sklearn.metrics import mean_squared_error
# 读取数据
data = pd.read_csv('data.csv', index_col='date', parse_dates=True)
# 拆分训练集和测试集
train_data = data[:-12]
test_data = data[-12:]
# 拟合ARIMA模型
model = ARIMA(train_data, order=(1,1,1))
model_fit = model.fit()
# 预测测试集
forecast = model_fit.forecast(steps=12)[0]
# 计算均方根误差
rmse = np.sqrt(mean_squared_error(test_data, forecast))
print('RMSE:', rmse)
# 计算平均绝对误差
mae = np.mean(np.abs(forecast - test_data))
print('MAE:', mae)
# 计算平均绝对百分比误差
mape = np.mean(np.abs(forecast - test_data) / test_data)
print('MAPE:', mape)
```
其中,`data.csv`是包含时间序列数据的CSV文件,`train_data`和`test_data`是将数据集按照一定比例划分的训练集和测试集,`model`是根据训练集拟合的ARIMA模型,`model_fit.forecast(steps=12)[0]`是预测测试集的结果,`mean_squared_error`、`np.mean`和`np.abs`分别用于计算均方根误差、平均绝对误差和平均绝对百分比误差。