pmdarima的auto_arima预测时报NaN/inf值错误如何排查

错误根源 #

• 报错并非来自输入的时间序列ts，而是自动参数搜索选出的ARIMA(3,2,2)模型数值不稳定，导致预测阶段计算置信区间时生成了无穷大值，触发scikit-learn的数值校验报错
• 你的时间序列仅包含11个样本点，经过2阶差分后仅剩9个有效样本，却需要拟合3个自回归系数+2个移动平均系数，参数过多导致自由度严重不足。搜索日志里出现的异常低AIC值（12）、大量AIC=inf记录，本身就是短数据支撑高参数模型时数值不稳定的典型信号

修复方案 #

你可以任选以下一种方式解决问题：

1. 限制ARIMA的参数搜索范围，给auto_arima添加max_p、max_q参数，控制参数数量适配短序列，避免选出参数过多的不稳定模型：

model = pmd.auto_arima(ts, start_p=1, start_q=1, test="adf", max_p=2, max_q=1)

2. 关闭预测时的置信区间计算，调用predict时添加参数return_conf_int=False，跳过导致报错的置信区间校验逻辑，直接获取预测值：

est = model.predict(1, return_conf_int=False)[0]

3. 补充时间序列样本量，ARIMA模型建议至少有30个以上的历史样本才能保证参数估计的稳定性，当前11个样本的长度本身不适合使用复杂度较高的ARIMA模型。

内容的提问来源于stack exchange，提问作者Josh K