在R中我们有一个很好的预测模型,如:
ets(y, model="ZZZ", damped=NULL, alpha=NULL, beta=NULL, gamma=NULL,
phi=NULL, additive.only=FALSE, lambda=NULL,
lower=c(rep(0.0001,3), 0.8), upper=c(rep(0.9999,3),0.98),
opt.crit=c("lik","amse","mse","sigma","mae"), nmse=3,
bounds=c("both","usual","admissible"), ic=c("aicc","aic","bic"),
restrict=TRUE, allow.multiplicative.trend=FALSE, use.initial.values=FALSE, ...)
在这种方法中,如果我们分配任何变量,它会自动获得季节类型,趋势和错误类型, model="ZZZ"/"AMA"/"MMZ"并且会自动调整一些因子以获得准确的结果.
在python中,我们ets在pandas/numpy/scipy/scikit中有类似的东西吗？
根据我的研究:
Ewma在熊猫中类似,但我们需要将所有参数硬编码为固定参数.
在Holtwinter,我们需要为所有趋势和季节类型编写详细的方法.
因此,我们有没有任何现成的函数,它们将数据帧作为输入并提供预测值,而无需为参数自己编写任何内部函数？
任何微调回归模型scikit/statsmodels？