如何将auto_arima预测值与实际值重叠绘制进行对比

错误原因 #

你使用的predict()是模型生成训练集外未来预测值的方法，默认仅生成10期预测结果，无法回溯获取训练阶段的拟合值。你传入0作为预测起始索引时触发报错，是因为predict()要求起始索引必须大于训练集的最大索引，不能落在训练集的时间范围内。

实现方案 #

要获取和训练集长度一致的模型拟合值，有两种可行方式：

• 直接调用模型的fittedvalues属性，返回结果长度和输入训练集完全一致，可直接用来和实际值对比绘图
• 调用predict_in_sample()方法，同样可以返回训练集的拟合结果，支持指定起止索引取部分区间的拟合值

完整示例代码 #

stepwise_model = auto_arima(data, start_p=1, start_q=1,
                   test='adf',
                 max_p=2, max_q=2, m=7,
                   start_P=0, seasonal=True,
                 d=None, D=1, trace=True,
                   error_action='ignore',  
                   suppress_warnings=True, 
                   stepwise=True)
# 绘制实际值
plt.plot(data['values'], color='r', label='实际值')
# 绘制模型拟合值，两种方式二选一即可
plt.plot(stepwise_model.fittedvalues, color='g', label='模型拟合值')
# 等效写法：plt.plot(stepwise_model.predict_in_sample(), color='g', label='模型拟合值')
plt.legend()
plt.show()

补充说明 #

如果需要对比模型的外推预测效果，可以先将原始数据集按比例拆分为训练集和测试集，用训练集训练模型后，调用predict(n_periods=len(测试集))生成测试集区间的预测值，再和测试集的实际值做对比即可。

内容的提问来源于stack exchange，提问作者Diogo Santos