如何从pmdarima的pipe.fit()中获取AIC、BIC等最优估计值

嘿，我来帮你搞定这个问题！你已经用pmdarima的Pipeline拟合了带傅里叶特征的AutoARIMA模型，现在想把AIC、BIC这些关键指标从模型里提取出来，而不是只看pipe.summary()的文本输出对吧？其实不用去解析summary的字符串，模型本身就把这些值存在可直接访问的属性和方法里，我给你一步步说：

第一步：获取Pipeline中的AutoARIMA模型实例 #

你的Pipeline最后一步命名为arima，所以可以通过named_steps属性直接拿到这个模型对象：

arima_model = pipe.named_steps['arima']

第二步：提取AIC、BIC等指标 #

pmdarima的AutoARIMA对象提供了两种方式获取这些信息准则值：

方式1：使用快捷方法（推荐）

AutoARIMA封装了直接返回指标的方法，调用起来很方便：

# 获取AIC值
aic = arima_model.aic()
# 获取BIC值
bic = arima_model.bic()
# 获取HQIC值（如果需要的话）
hqic = arima_model.hqic()

方式2：访问底层statsmodels模型的属性

AutoARIMA的model_属性对应着底层拟合好的statsmodels ARIMA模型，你也可以直接访问它的属性来获取指标：

# 从statsmodels模型中获取AIC
aic_from_model = arima_model.model_.aic
# 获取BIC
bic_from_model = arima_model.model_.bic

完整示例代码 #

把这些整合起来，你可以这样写：

import pmdarima as pm
from sklearn.pipeline import Pipeline
from pmdarima.preprocessing import FourierFeaturizer

# 假设y_train和X_train已经定义好
pipe = Pipeline([
    ("fourier", FourierFeaturizer(m=12, k=4)),
    ("arima", pm.AutoARIMA(start_p=1, d=None, start_q=1, max_p=4, max_d=3, max_q=4, 
                           start_P=1, D=None, start_Q=1, max_P=2, max_D=1, max_Q=2, 
                           max_order=10, m=12, seasonal=False, stationary=False, 
                           information_criterion='aic', alpha=0.05, ))
])
pipe.fit(y_train,X_train)

# 提取指标
arima_model = pipe.named_steps['arima']
aic_value = arima_model.aic()
bic_value = arima_model.bic()

print(f"最优模型AIC值: {aic_value:.4f}")
print(f"最优模型BIC值: {bic_value:.4f}")

小提示 #

比起从pipe.summary()的文本里去解析这些值，直接访问模型的属性或方法要可靠得多——毕竟summary的输出格式可能会随pmdarima版本变化，而模型的API属性和方法会保持稳定。

内容的提问来源于stack exchange，提问作者Maddy