python - (python)pmdarima.auto_arima(pyramid.auto_arima) 不会自动使用 d 和 D 参数

Question

我手动制作了 20 个模型，发现应该为每个模型使用 d=1 或 D=1，但是 auto_arima 从不使用差异参数(即使一个模型根本没有 d 或 D，并且所有试验都类似于(1 ,0,1) x (0, 0, 1, 52)。我通过设置 trace=True 进行了检查。

我希望 auto_arima 进行参数网格搜索pdq=(0~3, 0~1, 0~3) 和 PDQs=( 0~3, 0~1, 0~3, 52)。

我设置参数如下:

    start_p=0,
    start_q=0,
    max_p=3,
    max_d=1,
    max_q=3,
    start_P=0,
    D=None,
    start_Q=0,
    max_P=2,
    max_D=1,
    max_Q=2,
    max_order=10,
    m=52,
    seasonal=True,
    stationary=False,
    information_criterion='aic',
    alpha=0.05,
    test='kpss',
    seasonal_test='ocsb',
    stepwise=True,
    n_jobs=-1,
    start_params=None,
    trend=None,
    method=None,
    transparams=True,
    maxiter=None,
    n_fits=100,
    with_intercept=True,

如何让 auto_arima 进行我想做的网格搜索？

Answer 1

关于pmdarima，您应该了解几件事及其实现 auto_arima 。我现在正在研究这个问题，所以我会尽力回答你的问题。

1. 网格搜索: auto_arima 的实现使用逐步算法来确定最佳参数。这是stepwise在上面的参数中设置为 True默认情况下。在 API上面写着:

   The stepwise algorithm can be significantly faster than fitting all hyper-parameter combinations and is less likely to over-fit the model.

   如果要进行网格搜索，则必须将此参数设置为 False .

2. 区分参数:当您尝试此选项 ( stepwise=False ) 时，它应该尝试除两个参数 - d 之外的所有组合。和D 。这是因为它们是估计的并且不包含在参数搜索中。在问题中列出的参数中，您有两个测试 - test和seasonal_test 。这些方法用于选择 d 的值和D分别。

   我建议您阅读有关 Understanding p, d and q 的文档。您可以更好地了解它们如何处理差异参数估计。

   您也可以尝试直接测试这些方法(只需更改 test 的值):

from pmdarima.arima.utils import ndiffs
ndiffs(y, test='kpss')

我不知道如何测试d网格搜索中的参数，我认为Python和R实现都做了相同或相似的估计。因此，您可以自己执行此操作并运行 auto_arima手动设置差异参数并剩下网格搜索。否则，它将选择 d 的值。和D自动地。问题是 - 你怎么知道每个模型应该使用 d=1和D=1当这些自动测试给出不同的结果时？