How to Save an ARIMA Time Series Forecasting Model in Python (如何在Python中保存ARIMA时间序列预测模型)

本文主要是介绍How to Save an ARIMA Time Series Forecasting Model in Python (如何在Python中保存ARIMA时间序列预测模型),希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

How to Save an ARIMA Time Series Forecasting Model in Python

原文作者:Jason Brownlee
原文地址:https://machinelearningmastery.com/save-arima-time-series-forecasting-model-python/
译者微博:@从流域到海域
译者博客:blog.csdn.net/solo95

如何在Python中保存ARIMA时间序列预测模型

自回归积分滑动平均模型(Autoregressive Integrated Moving Average Mode, ARIMA)是一个流行的时间序列分析和预测的线性模型。

statsmodels库中提供了Python中所使用ARIMA的实现。ARIMA模型可以保存到一个文件中,以便以后用于对新数据进行预测。statsmodels库的当前版本中有一个bug,会阻止保存的模型被加载。

在本教程中,您将了解如何诊断和解决此问题。

让我们开始吧。

如何在Python中保存ARIMA时间序列预测模型
照片由Les Chatfield提供,保留一些权利。

日均女性出生数据集

首先,我们来看一个标准的时间序列数据集,我们可以用它来理解有关statsmodels ARIMA实现的问题。

这个“日均女性出生”数据集描述了1959年加利福尼亚州每天的女性出生人数。

计数单位是一,365天都进行了观察。数据集的来源归功于Newton(1988)。

您可以了解更多信息并从DataMarket网站下载数据集。

下载数据集并将其放在当前工作目录中,文件命名为“ daily-total-female-births.csv ”。

下面的代码片段将加载和绘制数据集。

from pandas import Series
from matplotlib import pyplot
series = Series.from_csv('daily-total-female-births.csv', header=0)
series.plot()
pyplot.show()

运行示例将数据集加载为Pandas系列,然后显示数据的线图。

日均女性出生总数图

Python环境

请确认您使用的是最新版本的statsmodels库。

你可以通过运行下面的脚本来进行确认:

import statsmodels
print('statsmodels: %s' % statsmodels.__version__)

运行脚本应该产生一个显示statsmodels 0.6或0.6.1的结果。

statsmodels: 0.6.1 

您可以使用Python 2或3。

更新:我可以确认故障仍存在于statsmodels 0.8中并导致下列错误消息出现:

AttributeError: 'ARIMA' object has no attribute 'dates' 

ARIMA模型保存bug

我们可以很容易地在“日均女性出生”数据集上训练一个ARIMA模型。

下面的代码片段在数据集上的训练出一个ARIMA(1,1,1)模型。

model.fit()函数返回一个ARIMAResults对象,我们可以在这个对象上调用save()保存到文件模型并且之后可以使用load()来加载它。

from pandas import Series
from statsmodels.tsa.arima_model import ARIMA
from statsmodels.tsa.arima_model import ARIMAResults# load data
series = Series.from_csv('daily-total-female-births.csv', header=0)# prepare data
X = series.values
X = X.astype('float32')# fit model
model = ARIMA(X, order=(1,1,1))
model_fit = model.fit()# save model
model_fit.save('model.pkl')# load model
loaded = ARIMAResults.load('model.pkl')

运行本例将训练出模型并将其保存到文件中,而不会出现问题。

但当您尝试从文件加载模型时,会报告一个错误。

Traceback (most recent call last):File "...", line 16, in <module>loaded = ARIMAResults.load('model.pkl')File ".../site-packages/statsmodels/base/model.py", line 1529, in loadreturn load_pickle(fname)File ".../site-packages/statsmodels/iolib/smpickle.py", line 41, in load_picklereturn cPickle.load(fin)
TypeError: __new__() takes at least 3 arguments (1 given)

特别的,注意下面这一行:

TypeError: __new__() takes at least 3 arguments (1 given)

之前的步骤都没出错,那么我们如何解决这个问题呢?

ARIMA模型保存Bug解决方法

Zae Myung Kim在2016年9月发现了这个错误并报告了错误。

你可以在这里读到所有和它有关的信息:

  • BUG: Implemented getnewargs() method for unpickling

这个错误是因为pickle所需要的一个函数(用于序列化Python对象的库)在statsmodels中没有定义。

在保存之前,必须在ARIMA模型中定义函数__getnewargs__,以定义构造对象所需的参数。

我们可以解决这个问题。修复涉及两件事情:

  1. 定义一个适用于ARIMA对象的__getnewargs__函数的实现 。
  2. 将这个新函数添加到ARIMA。

谢天谢地,Zae Myung Kim在他的bug报告中提供了一个函数的例子,所以我们可以直接使用它:

def __getnewargs__(self):return ((self.endog),(self.k_lags, self.k_diff, self.k_ma)

Python允许我们对一个对象施加猴补丁操作,即使是像statsmodels这样的库。
(猴补丁(英语:Monkey patch),参见维基百科,有相应中文条目,译者注)

我们可以使用赋值在现有的对象上定义一个新的函数。

我们可以对ARIMA对象上的__getnewargs__函数做如下操作:

ARIMA.__getnewargs__ = __getnewargs__

下面列出了使用猴补丁在Python中加载和保存ARIMA模型的完整示例:

from pandas import Series
from statsmodels.tsa.arima_model import ARIMA
from statsmodels.tsa.arima_model import ARIMAResults# monkey patch around bug in ARIMA class
def __getnewargs__(self):return ((self.endog),(self.k_lags, self.k_diff, self.k_ma))
ARIMA.__getnewargs__ = __getnewargs__# load data
series = Series.from_csv('daily-total-female-births.csv', header=0)# prepare data
X = series.values
X = X.astype('float32')# fit model
model = ARIMA(X, order=(1,1,1))
model_fit = model.fit()# save model
model_fit.save('model.pkl')# load model
loaded = ARIMAResults.load('model.pkl')

现在运行示例就可以成功加载模型,而不会出错。

概要

在这篇文章中,您了解了如何解决statsmodels ARIMA实现时的一个错误,该错误阻止了您将ARIMA模型保存到文件或从文件中加载ARIMA模型。

你学到了如何编写一个猴补丁来解决这个bug,以及如何证明它确实已经修复了。

这篇关于How to Save an ARIMA Time Series Forecasting Model in Python (如何在Python中保存ARIMA时间序列预测模型)的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/623344

相关文章

如何使用 Python 读取 Excel 数据

《如何使用Python读取Excel数据》:本文主要介绍使用Python读取Excel数据的详细教程,通过pandas和openpyxl,你可以轻松读取Excel文件,并进行各种数据处理操... 目录使用 python 读取 Excel 数据的详细教程1. 安装必要的依赖2. 读取 Excel 文件3. 读

Python的time模块一些常用功能(各种与时间相关的函数)

《Python的time模块一些常用功能(各种与时间相关的函数)》Python的time模块提供了各种与时间相关的函数,包括获取当前时间、处理时间间隔、执行时间测量等,:本文主要介绍Python的... 目录1. 获取当前时间2. 时间格式化3. 延时执行4. 时间戳运算5. 计算代码执行时间6. 转换为指

利用Python调试串口的示例代码

《利用Python调试串口的示例代码》在嵌入式开发、物联网设备调试过程中,串口通信是最基础的调试手段本文将带你用Python+ttkbootstrap打造一款高颜值、多功能的串口调试助手,需要的可以了... 目录概述:为什么需要专业的串口调试工具项目架构设计1.1 技术栈选型1.2 关键类说明1.3 线程模

Python ZIP文件操作技巧详解

《PythonZIP文件操作技巧详解》在数据处理和系统开发中,ZIP文件操作是开发者必须掌握的核心技能,Python标准库提供的zipfile模块以简洁的API和跨平台特性,成为处理ZIP文件的首选... 目录一、ZIP文件操作基础三板斧1.1 创建压缩包1.2 解压操作1.3 文件遍历与信息获取二、进阶技

Python Transformers库(NLP处理库)案例代码讲解

《PythonTransformers库(NLP处理库)案例代码讲解》本文介绍transformers库的全面讲解,包含基础知识、高级用法、案例代码及学习路径,内容经过组织,适合不同阶段的学习者,对... 目录一、基础知识1. Transformers 库简介2. 安装与环境配置3. 快速上手示例二、核心模

Java中字符串转时间与时间转字符串的操作详解

《Java中字符串转时间与时间转字符串的操作详解》Java的java.time包提供了强大的日期和时间处理功能,通过DateTimeFormatter可以轻松地在日期时间对象和字符串之间进行转换,下面... 目录一、字符串转时间(一)使用预定义格式(二)自定义格式二、时间转字符串(一)使用预定义格式(二)自

Python正则表达式语法及re模块中的常用函数详解

《Python正则表达式语法及re模块中的常用函数详解》这篇文章主要给大家介绍了关于Python正则表达式语法及re模块中常用函数的相关资料,正则表达式是一种强大的字符串处理工具,可以用于匹配、切分、... 目录概念、作用和步骤语法re模块中的常用函数总结 概念、作用和步骤概念: 本身也是一个字符串,其中

Python使用getopt处理命令行参数示例解析(最佳实践)

《Python使用getopt处理命令行参数示例解析(最佳实践)》getopt模块是Python标准库中一个简单但强大的命令行参数处理工具,它特别适合那些需要快速实现基本命令行参数解析的场景,或者需要... 目录为什么需要处理命令行参数?getopt模块基础实际应用示例与其他参数处理方式的比较常见问http

python实现svg图片转换为png和gif

《python实现svg图片转换为png和gif》这篇文章主要为大家详细介绍了python如何实现将svg图片格式转换为png和gif,文中的示例代码讲解详细,感兴趣的小伙伴可以跟随小编一起学习一下... 目录python实现svg图片转换为png和gifpython实现图片格式之间的相互转换延展:基于Py

Python中的getopt模块用法小结

《Python中的getopt模块用法小结》getopt.getopt()函数是Python中用于解析命令行参数的标准库函数,该函数可以从命令行中提取选项和参数,并对它们进行处理,本文详细介绍了Pyt... 目录getopt模块介绍getopt.getopt函数的介绍getopt模块的常用用法getopt模