我正在尝试将我在 darts 库中使用 Pytorch 模型所做的预测导出为某种可交换格式，例如 XLS 或 CSV。
是否可以以某种方式从 Timeseries 类中导出预测？如何指定输出格式？
我想product' sales_index通过使用每月时间序列中的多个特征进行预测。一开始，我开始使用ARMA,ARIMA来做到这一点，但输出对我来说不是很令人满意。在我的尝试中，我只是使用dates和sales列进行预测，输出对我来说并不现实。我想我应该包括更多的特征列来预测sales_index列。但是，我想知道是否有任何方法可以通过使用每月时间序列中的多个特征来进行此预测。我没有使用scikit-learn. 任何人都可以指出我这样做的任何可能方法吗？任何可能的想法？
我尝试使用 ARMA/ARIMA：
这是关于这个要点的可重现的月度时间序列数据，这是我目前的尝试：
import pandas as pd
from statsmodels.tsa.arima_model import ARMA
from statsmodels.tsa.arima_model import ARIMA
from statsmodels.tsa.statespace.sarimax import SARIMAX
import matplotlib.pyplot as plt
df = pd.read_csv("tsdf.csv", sep=",")
dates = pd.date_range(start='2015-01', freq='MS', periods=len(df))
df.set_index(dates,inplace=True)
train = df[df.index < '2019-01']
test = df[df.index >= '2019-01']
model = ARMA(train['sales_index'],order=(2,0))
model_fit = model.fit()
predictions = model_fit.predict(start=len(train), end=len(train)+len(test)-1, dynamic=False)
# plot results
plt.figure(figsize=(12,6)) …