python - Statsmodels seasonal_decompose - 它有什么天真？

Question

一直在使用 Python 处理时间序列，并使用 sm.tsa.seasonal_decompose。在docs他们这样介绍功能:

We added a naive seasonal decomposition tool in the same vein as R’s decompose.

这是文档中的代码及其输出的副本:

import statsmodels.api as sm

dta = sm.datasets.co2.load_pandas().data
# deal with missing values. see issue
dta.co2.interpolate(inplace=True)

res = sm.tsa.seasonal_decompose(dta.co2)
res.plot()

他们说它天真但是没有关于它有什么问题的免责声明。有人知道吗？

Answer 1

我做了一些(aehm...天真)研究，并且，according to the reference ，似乎 StatsModels 使用经典的移动平均法来检测趋势并应用季节性分解(您可以查看更多 here ，具体关于 Moving Average 和 Classical Decomposition)。

但是，还可以使用其他高级季节性分解技术，例如 STL decomposition , 其中也有一些 Python implementations . (更新 - 2019 年 4 月 11 日，正如@squarespiral 在评论中指出的那样，此类实现似乎已合并到 StatsModels 的主分支中)。

在上面的链接中，您可以找到有关每种建议方法的优缺点的完整引用。

希望对您有所帮助!