python代码:使用ARIMA模型,只有一列数据,分成训练集和测试集,在训练集上拟合模型,在测试集上预测
时间: 2024-04-03 20:33:02 浏览: 146
基于python实现的使用ARIMA模型对价格数据进行预测项目源码
好的,以下是一个简单的Python ARIMA模型的代码示例,将一列数据分成训练集和测试集,然后在训练集上拟合模型,在测试集上进行预测。
```python
import pandas as pd
from statsmodels.tsa.arima_model import ARIMA
from sklearn.metrics import mean_squared_error
# 读取数据集
data = pd.read_csv('data.csv', index_col='Date')
data.index = pd.to_datetime(data.index)
# 将数据集分成训练集和测试集
train_data = data[:'2021-12-31']
test_data = data['2022-01-01':]
# 拟合模型
model = ARIMA(train_data, order=(1, 1, 1))
model_fit = model.fit(disp=0)
# 预测未来值
future_values = model_fit.predict(start='2022-01-01', end='2022-12-31', dynamic=True)
# 计算预测误差
mse = mean_squared_error(test_data, future_values)
print('均方误差(MSE): %.2f' % mse)
```
在这个示例中,我们使用了pandas库来读取时间序列数据集,ARIMA模型的参数是(1,1,1)。我们使用了statsmodels库中的ARIMA()函数来拟合模型,并使用predict()函数来预测未来值。我们将数据集分成了训练集和测试集,然后在训练集上拟合模型,在测试集上进行预测,并计算预测误差。
阅读全文