arima模型中的model.fit() 有哪些信息可以调用

ARIMA模型中的`model.fit()`方法可以调用以下信息：

1. `model.params`：ARIMA模型的参数。
2. `model.resid`：模型的残差。
3. `model.k_ar`：模型的自回归项数。
4. `model.k_ma`：模型的移动平均项数。
5. `model.k_diff`：模型的差分项数。
6. `model.predict()`：用于对新数据进行预测的方法。
7. `model.forecast()`：用于对未来数据进行预测的方法。
8. `model.summary()`：该方法提供了ARIMA模型的详细信息，包括AIC、BIC和HQIC等评估指标。
9. `model.plot_diagnostics()`：用于绘制模型的诊断图，包括残差分布图、残差的自相关和偏自相关图以及残差的正态概率图等。

这些信息可以帮助我们评估模型的性能和有效性，并进行预测。

相关问题

ARIMA模型中model_fit() got an unexpected keyword argument 'disp'

这个错误可能是因为你使用了旧版本的statsmodels库。在旧版本的statsmodels中，ARIMA模型的fit()方法不支持disp参数。但是在新版本的statsmodels中，ARIMA模型的fit()方法支持disp参数。

要解决这个问题，你可以尝试更新statsmodels库到最新版本。你可以使用以下命令来更新：

!pip install --upgrade statsmodels

如果更新后仍然出现相同的错误，请检查你的代码是否正确地调用了fit()方法，并正确地传递了参数。你可以参考statsmodels文档中的示例来确保正确地使用了fit()方法。

model = ARIMA(metro_in_train, order=(7,1,7)) result = model.fit()predictions = model.predict(start=1, end=532, typ='levels')

这段代码是用于进行时间序列分析的，具体来说是使用了ARIMA模型进行预测。ARIMA是一种常用的时间序列模型，可以用于预测未来的时间序列取值。在这段代码中，首先定义了一个ARIMA模型，其中order参数指定了模型的阶数，包括p、d、q三个参数。然后调用fit()方法拟合模型，并使用predict()方法进行预测，其中start和end参数指定了预测的起始和结束时间。最终得到的predictions变量是预测出来的时间序列取值。需要注意的是，这段代码中的metro_in_train变量应该是已经准备好的用于训练模型的时间序列数据。