質問編集履歴
3
画像の変更、画像の詳細を記載
test
CHANGED
|
File without changes
|
test
CHANGED
|
@@ -1,115 +1,3 @@
|
|
|
1
|
-
```ここに言語を入力
|
|
2
|
-
|
|
3
|
-
コード
|
|
4
|
-
|
|
5
|
-
import pandas as pd
|
|
6
|
-
|
|
7
|
-
import numpy as np
|
|
8
|
-
|
|
9
|
-
import matplotlib.pyplot as plt
|
|
10
|
-
|
|
11
|
-
%matplotlib inline
|
|
12
|
-
|
|
13
|
-
plt.style.use('ggplot')
|
|
14
|
-
|
|
15
|
-
plt.xkcd()
|
|
16
|
-
|
|
17
|
-
import statsmodels.api as sm # version 0.8.0以上
|
|
18
|
-
|
|
19
|
-
|
|
20
|
-
|
|
21
|
-
# CSVファイル読み込み（事前にダウンロードしたCSVファイルを利用）
|
|
22
|
-
|
|
23
|
-
df = pd.read_csv('3ye.csv')
|
|
24
|
-
|
|
25
|
-
|
|
26
|
-
|
|
27
|
-
# Pandas.Seriesにデータを格納（データに気温、インデックスは日付）
|
|
28
|
-
|
|
29
|
-
data = pd.Series(df['kion'], dtype='float')
|
|
30
|
-
|
|
31
|
-
data.index = pd.to_datetime(df['day'])
|
|
32
|
-
|
|
33
|
-
|
|
34
|
-
|
|
35
|
-
#passengers.plot()
|
|
36
|
-
|
|
37
|
-
|
|
38
|
-
|
|
39
|
-
data_diff = data - data.shift() # 差分(1階差) Pandasのdiff()でpassengers.diff()としてもOK
|
|
40
|
-
|
|
41
|
-
data_diff = data_diff.dropna() # 1個できるNaNデータは捨てる
|
|
42
|
-
|
|
43
|
-
#data_diff.plot()
|
|
44
|
-
|
|
45
|
-
|
|
46
|
-
|
|
47
|
-
import warnings
|
|
48
|
-
|
|
49
|
-
warnings.filterwarnings('ignore') # 計算警告を非表示
|
|
50
|
-
|
|
51
|
-
|
|
52
|
-
|
|
53
|
-
# 自動ARMAパラメータ推定関数
|
|
54
|
-
|
|
55
|
-
res_selection = sm.tsa.arma_order_select_ic(data_diff, ic='aic', trend='nc')
|
|
56
|
-
|
|
57
|
-
#res_selection
|
|
58
|
-
|
|
59
|
-
|
|
60
|
-
|
|
61
|
-
sarimax = sm.tsa.SARIMAX(data,
|
|
62
|
-
|
|
63
|
-
order=(3, 1, 3),
|
|
64
|
-
|
|
65
|
-
seasonal_order=(0, 1, 1, 12),
|
|
66
|
-
|
|
67
|
-
enforce_stationarity = False,
|
|
68
|
-
|
|
69
|
-
enforce_invertibility = False
|
|
70
|
-
|
|
71
|
-
).fit()
|
|
72
|
-
|
|
73
|
-
sarimax_resid = sarimax.resid
|
|
74
|
-
|
|
75
|
-
|
|
76
|
-
|
|
77
|
-
data_train = data['2015-01-01':'2017-12-01'] # モデル作成用データ
|
|
78
|
-
|
|
79
|
-
data_test = data['2017-01-01':'2019-01-01'] # テスト用データ2年分
|
|
80
|
-
|
|
81
|
-
|
|
82
|
-
|
|
83
|
-
sarimax_train = sm.tsa.SARIMAX(data_train,
|
|
84
|
-
|
|
85
|
-
order=(3, 1, 2),
|
|
86
|
-
|
|
87
|
-
seasonal_order=(0, 1, 1, 4),
|
|
88
|
-
|
|
89
|
-
enforce_stationarity = False,
|
|
90
|
-
|
|
91
|
-
enforce_invertibility = False
|
|
92
|
-
|
|
93
|
-
).fit()
|
|
94
|
-
|
|
95
|
-
|
|
96
|
-
|
|
97
|
-
sarimax_train_pred = sarimax_train.predict('2018-01-01', '2019-12-01') # テストデータ2年分予測
|
|
98
|
-
|
|
99
|
-
|
|
100
|
-
|
|
101
|
-
plt.plot(passengers, label="original")
|
|
102
|
-
|
|
103
|
-
plt.plot(sarimax_train_pred, c="b", label="model-pred", alpha=0.7)
|
|
104
|
-
|
|
105
|
-
plt.legend(loc='best')
|
|
106
|
-
|
|
107
|
-
print(sarimax_train_pred)
|
|
108
|
-
|
|
109
|
-
|
|
110
|
-
|
|
111
|
-
```コード
|
|
112
|
-
|
|
113
1
|
```### 前提・実現したいこと
|
|
114
2
|
|
|
115
3
|
|
|
@@ -119,6 +7,74 @@
|
|
|
119
7
|
|
|
120
8
|
|
|
121
9
|
### 該当のソースコード
|
|
10
|
+
|
|
11
|
+
import pandas as pd
|
|
12
|
+
|
|
13
|
+
import numpy as np
|
|
14
|
+
|
|
15
|
+
import matplotlib.pyplot as plt
|
|
16
|
+
|
|
17
|
+
import statsmodels.api as sm
|
|
18
|
+
|
|
19
|
+
import datetime
|
|
20
|
+
|
|
21
|
+
%matplotlib inline
|
|
22
|
+
|
|
23
|
+
plt.style.use('ggplot')
|
|
24
|
+
|
|
25
|
+
|
|
26
|
+
|
|
27
|
+
import warnings
|
|
28
|
+
|
|
29
|
+
warnings.filterwarnings('ignore') # 計算警告を非表示
|
|
30
|
+
|
|
31
|
+
|
|
32
|
+
|
|
33
|
+
data_df = pd.read_csv('3ye.csv')
|
|
34
|
+
|
|
35
|
+
temp = pd.Series(data_df['kion'], dtype='float')
|
|
36
|
+
|
|
37
|
+
temp.index = pd.to_datetime(data_df['day'])
|
|
38
|
+
|
|
39
|
+
|
|
40
|
+
|
|
41
|
+
res_selection = sm.tsa.arma_order_select_ic(temp, ic='aic', trend='nc')
|
|
42
|
+
|
|
43
|
+
#res_selection
|
|
44
|
+
|
|
45
|
+
|
|
46
|
+
|
|
47
|
+
sarimax = sm.tsa.SARIMAX(temp,
|
|
48
|
+
|
|
49
|
+
order=(3, 2, 2),
|
|
50
|
+
|
|
51
|
+
seasonal_order=(1, 1, 1, 12),
|
|
52
|
+
|
|
53
|
+
enforce_stationarity=False,
|
|
54
|
+
|
|
55
|
+
enforce_invertibility=False
|
|
56
|
+
|
|
57
|
+
).fit()
|
|
58
|
+
|
|
59
|
+
|
|
60
|
+
|
|
61
|
+
|
|
62
|
+
|
|
63
|
+
sarimax_pred = sarimax.predict('2017-01', '2019-10')
|
|
64
|
+
|
|
65
|
+
|
|
66
|
+
|
|
67
|
+
plt.figure(figsize=(12, 6))
|
|
68
|
+
|
|
69
|
+
|
|
70
|
+
|
|
71
|
+
plt.plot(sarimax_pred, c="b", label="model-pred")
|
|
72
|
+
|
|
73
|
+
plt.legend(loc='best')
|
|
74
|
+
|
|
75
|
+
```
|
|
76
|
+
|
|
77
|
+
使用している言語・ライブラリ
|
|
122
78
|
|
|
123
79
|
```ここに言語名を入力
|
|
124
80
|
|
|
@@ -132,8 +88,12 @@
|
|
|
132
88
|
|
|
133
89
|
|
|
134
90
|
|
|
135
|
-
order=(p,d,q)の数値を換えてみたりした
|
|
91
|
+
order=(p,d,q)の数値を換えてみたりしましたが結果が変わらなかった
|
|
136
92
|
|
|
137
|
-
|
|
138
94
|
|
|
139
95
|
ここにより詳細な情報を記載してください。
|
|
96
|
+
|
|
97
|
+
2017年1月から2019年10月までのグラフです。
|
|
98
|
+
|
|
99
|
+
予測している部分は2019年1月から2019年10月までの部分です
|
2
コードの挿入部にコードを書き直しました
test
CHANGED
|
File without changes
|
test
CHANGED
|
@@ -1,12 +1,6 @@
|
|
|
1
|
-
|
|
1
|
+
```ここに言語を入力
|
|
2
2
|
|
|
3
|
-
|
|
4
|
-
|
|
5
|
-
SARIMAモデルを使用して気温予測をしたいのですがうまくいきません
|
|
6
|
-
|
|
7
|
-
|
|
8
|
-
|
|
9
|
-
|
|
3
|
+
コード
|
|
10
4
|
|
|
11
5
|
import pandas as pd
|
|
12
6
|
|
|
@@ -112,6 +106,20 @@
|
|
|
112
106
|
|
|
113
107
|
print(sarimax_train_pred)
|
|
114
108
|
|
|
109
|
+
|
|
110
|
+
|
|
111
|
+
```コード
|
|
112
|
+
|
|
113
|
+
```### 前提・実現したいこと
|
|
114
|
+
|
|
115
|
+
|
|
116
|
+
|
|
117
|
+
SARIMAモデルを使用して気温予測をしたいのですがうまくいきません
|
|
118
|
+
|
|
119
|
+
|
|
120
|
+
|
|
121
|
+
### 該当のソースコード
|
|
122
|
+
|
|
115
123
|
```ここに言語名を入力
|
|
116
124
|
|
|
117
125
|
python jupyter Notebook
|
1
文字の修正
test
CHANGED
|
File without changes
|
test
CHANGED
|
@@ -16,9 +16,9 @@
|
|
|
16
16
|
|
|
17
17
|
%matplotlib inline
|
|
18
18
|
|
|
19
|
-
plt.style.use('ggplot')
|
|
19
|
+
plt.style.use('ggplot')
|
|
20
20
|
|
|
21
|
-
plt.xkcd()
|
|
21
|
+
plt.xkcd()
|
|
22
22
|
|
|
23
23
|
import statsmodels.api as sm # version 0.8.0以上
|
|
24
24
|
|
|
@@ -30,7 +30,7 @@
|
|
|
30
30
|
|
|
31
31
|
|
|
32
32
|
|
|
33
|
-
# Pandas.Seriesにデータを格納（データに
|
|
33
|
+
# Pandas.Seriesにデータを格納（データに気温、インデックスは日付）
|
|
34
34
|
|
|
35
35
|
data = pd.Series(df['kion'], dtype='float')
|
|
36
36
|
|
|
@@ -80,7 +80,7 @@
|
|
|
80
80
|
|
|
81
81
|
|
|
82
82
|
|
|
83
|
-
data_train = data['2015-01-01':'2017-12-01'] # モデル作成用データ
|
|
83
|
+
data_train = data['2015-01-01':'2017-12-01'] # モデル作成用データ
|
|
84
84
|
|
|
85
85
|
data_test = data['2017-01-01':'2019-01-01'] # テスト用データ2年分
|
|
86
86
|
|