Tự động hóa và lưu

Mô hình ARIMA với Python

James Fulton

Climate informatics researcher

Tìm kiếm bậc mô hình

import pmdarima as pm

results = pm.auto_arima(df)

Đang tìm kiếm tuần tự để tối thiểu hóa aic
 ARIMA(2,0,2)(1,1,1)[12] intercept   : AIC=inf, Time=3.33 sec
 ARIMA(0,0,0)(0,1,0)[12] intercept   : AIC=2648.467, Time=0.062 sec
 ARIMA(1,0,0)(1,1,0)[12] intercept   : AIC=2279.986, Time=1.171 sec

 ...

 ARIMA(3,0,3)(1,1,1)[12] intercept   : AIC=2173.508, Time=12.487 sec
 ARIMA(3,0,3)(0,1,0)[12] intercept   : AIC=2297.305, Time=2.087 sec

Mô hình tốt nhất:  ARIMA(3,0,3)(1,1,1)[12]
Tổng thời gian fit: 245.812 seconds
Mô hình ARIMA với Python

Kết quả pmdarima

print(results.summary())


results.plot_diagnostics()

Mô hình ARIMA với Python

Tham số tìm kiếm không theo mùa

Mô hình ARIMA với Python

Tham số tìm kiếm không theo mùa

results = pm.auto_arima( df,             # dữ liệu

                         d=0,            # bậc sai phân không theo mùa

                         start_p=1,      # giá trị khởi đầu cho p
                         start_q=1,      # giá trị khởi đầu cho q

                         max_p=3,        # giá trị p tối đa để thử
                         max_q=3,        # giá trị q tối đa để thử
                        )
1 https://www.alkaline-ml.com/pmdarima/modules/generated/pmdarima.arima.auto_arima.html
Mô hình ARIMA với Python

Tham số tìm kiếm theo mùa

results = pm.auto_arima( df,             # dữ liệu
                         ... ,          # tham số không theo mùa 
                         seasonal=True,  # chuỗi có tính mùa vụ?

                         m=7,            # chu kỳ mùa vụ

                         D=1,            # bậc sai phân mùa vụ

                         start_P=1,      # giá trị khởi đầu cho P
                         start_Q=1,      # giá trị khởi đầu cho Q

                         max_P=2,        # giá trị P tối đa để thử
                         max_Q=2,        # giá trị Q tối đa để thử
                        )
Mô hình ARIMA với Python

Tham số khác

results = pm.auto_arima( df,                     # dữ liệu    
                         ... ,                   # tham số bậc mô hình     

                         information_criterion='aic', # tiêu chí chọn mô hình tốt nhất

                         trace=True,             # in kết quả khi huấn luyện

                         error_action='ignore',  # bỏ qua bậc không phù hợp

                         stepwise=True,          # tìm kiếm bậc thông minh
                       )
Mô hình ARIMA với Python

Lưu đối tượng mô hình

# Import
import joblib 

# Chọn đường dẫn tệp
filepath ='localpath/great_model.pkl'

# Lưu mô hình vào đường dẫn
joblib.dump(model_results_object, filepath)
Mô hình ARIMA với Python

Lưu đối tượng mô hình

# Chọn đường dẫn tệp
filepath ='localpath/great_model.pkl'

# Tải đối tượng mô hình từ đường dẫn
model_results_object = joblib.load(filepath)
Mô hình ARIMA với Python

Cập nhật mô hình

# Thêm quan sát mới và cập nhật tham số
model_results_object.update(df_new)
Mô hình ARIMA với Python

So sánh cập nhật

Mô hình ARIMA với Python

Ayo berlatih!

Mô hình ARIMA với Python

Preparing Video For Download...