Class Description¶
class ARIMAX
(data, formula, ar, ma, integ, target, family)¶
Autoregressive Integrated Moving Average Exogenous Variable Models (ARIMAX) の略です。
パラメータ | タイプ | 説明 | ||||
---|---|---|---|---|---|---|
data | pd.DataFrame or np.DataFrame | pd.DataFrame or np.DataFrame | data | data | pd.DataFrame or np.DataFramendarray | 一変量時系列を含む |
formula | string | 回帰を指定するPatsy表記 | ||||
ar | int | The 自己回帰ラグの数 | ||||
ma | int | 移動平均ラグの数 | ||||
integ | int | 何回データの差をとるか(デフォルト: 0) | ||||
target | string or int | DataFrame/array のどの列を使用するかを指定します。 | ||||
family | pf.Family instance | 時系列の分布、例えば pf.Normal() |
Attributes
latent_variables
¶
A pf.Family
pf.Family instance
latent_variables
属性を表示することで確認することができます。
Parameter | Type | Description |
---|---|---|
index | int | Indx of the latent variable to change |
prior | pf.Pf.Family instance | 先行分布、例:pf.Normal() |
Returns: void – changes the model latent_variables
attribute
fit
(method, **kwargs)¶
モデルに対する潜在変数を推定している。
パラメータ | タイプ | 説明 | ||||
---|---|---|---|---|---|---|
method | str | Inference option: e.g. | Parameter | Type | Method | 推定値latent_variables 属性latent_variables を更新する。例:’M-H’ または ‘MLE’ |
推論オプションの全リストは、ドキュメントのベイズ推論および古典的推論のセクションを参照してください。
Returns: pf.Results instance with information for the estimated latent variables
plot_fit
(**kwargs)¶
Plot the fit of the model against the data.選択した推測の特定のモードに関連するオプションのパラメータを入力することができる。
Returns : void – matplotlib plot
plot_ppc
(T, nsims)¶
ユーザーが選択した不一致度指標で事後予測チェックのヒストグラムをプロットする。 この方法は、ベイズ推定を使用してフィッティングした場合のみ機能します。
パラメータ | タイプ | 説明 |
---|---|---|
T | 関数 | 矛盾、例:Discrepancy np.mean または np.max |
nsims | int | PPC |
のシミュレーション数 を返しました。 void – matplotlib plot
plot_predict
(h, oos_data, past_values, intervals, **kwargs)¶
モデルの予測値を間隔とともにプロットします。
パラメータ | タイプ | 説明 |
---|---|---|
h | int | 何段階先に予測するか |
oos_data | pd.DataFrame | 外生変数をhステップのフレームに格納 |
past_values | int | 過去のデータポイント数 to plot |
intervals | boolean | 間隔をプロットするかどうか |
はっきり言ってしまえば。 oos_data 引数は、モデルインスタンスを初期化するために使用される initialdataframe と同じフォーマットの DataFrame でなければなりません。 その理由は、将来の値を予測するためには、将来の外生変数に関する仮定を指定する必要があるからである。 たとえば、h ステップ先を予測する場合、このメソッドは oos_data から h 個の最初の行を取り、patsy 式で求めた外因性変数の値を取得します。
オプションの引数には figsize – プロットする図の寸法が含まれます。 最尤法または変分推論を使用する場合、示された区間は潜在的変数の不確実性を反映しないことに注意してください。 メトロポリス・ヘイスティングスだけが、完全にベイズ予測区間を与える。
Returns : void – matplotlib plot
plot_predict_is
(h, fit_once, fit_method, **kwargs)¶
モデルのサンプル内ローリング予測値をプロットする. これは、ユーザーがデータの最後のサブセクションをサンプル外であると仮定し、各期間後に予測し、それらがどの程度うまくいったかを評価することを意味する。 ユーザーは、パラメータを最初に1回、または時間ステップごとに適合させるかどうかを選択することができます。
パラメータ | タイプ | 説明 | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
h | int | 何回前のタイムステップを使うか | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||
fit_once | boolean | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
fit_method | str | どの推論オプションか、例.h は何ステップ前の性能をシミュレートするかの int 値です。
Returns : void – matplotlib plot モデルの事後予測密度からサンプルをプロットします。 この方法は、ベイズ推論を使用してモデルを適合させた場合のみ機能します。
Returns : void – matplotlib plot 潜在変数とそれに関連する不確定要素のプロットを返す。
Returns : void – matplotlib plot Posterior predictive check のための p-value を返します。 この方法は、ベイズ推定を使ってフィッティングした場合のみ有効です。
|