Skip to content

Latest commit

 

History

History
189 lines (128 loc) · 6.78 KB

save-arima-time-series-forecasting-model-python.md

File metadata and controls

189 lines (128 loc) · 6.78 KB
Raw

如何在 Python 中保存 ARIMA 时间序列预测模型

原文： https://machinelearningmastery.com/save-arima-time-series-forecasting-model-python/

自回归整合移动平均模型（ARIMA）是一种流行的时间序列分析和预测线性模型。

statsmodels 库提供了用于 Python 的 ARIMA 实现。 ARIMA 模型可以保存到文件中，以便以后用于对新数据做出预测。当前版本的 statsmodels 库中存在一个错误，该错误会阻止加载已保存的模型。

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。

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 照片由 Les Chatfield 保留，保留一些权利。

每日女性出生数据集

首先，让我们看一下标准时间序列数据集，我们可以用它来理解 statsmodels ARIMA 实现的问题。

这个每日女性出生数据集描述了 1959 年加利福尼亚州每日女性出生的数量。

单位是计数，有 365 个观测值。数据集的来源归功于 Newton（1988）。

您可以从 DataMarket 网站了解更多信息并下载数据集。

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

下面的代码片段将加载并绘制数据集。

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

运行该示例将数据集作为 Pandas Series 加载，然后显示数据的线图。

Daily Total Female Births Plot

每日总女性出生情节

Python 环境

确认您使用的是 statsmodels 库的最新版本。

你可以通过运行下面的脚本来做到这一点：

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

运行脚本应生成显示 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 statsmodels 0.8 中仍然存在故障并导致错误消息：

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

ARIMA 模型保存 Bug

我们可以在 Daily Female Births 数据集上轻松训练 ARIMA 模型。

下面的代码片段在数据集上训练 ARIMA（1,1,1）。

model.fit（）函数返回一个 ARIMAResults 对象，我们可以在其上调用 save（）将模型保存到文件和 load（） 以后加载它。

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')

运行此示例将训练模型并将其保存到文件中没有问题。

尝试从文件加载模型时将报告错误。

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 load
    return load_pickle(fname)
  File ".../site-packages/statsmodels/iolib/smpickle.py", line 41, in load_pickle
    return cPickle.load(fin)
TypeError: __new__() takes at least 3 arguments (1 given)

具体来说，注意这一行：

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

到目前为止一切顺利，我们如何解决它？

ARIMA 模型保存 Bug 解决方法

Zae Myung Kim 于 2016 年 9 月发现了这个错误，并报告了这个错误。

你可以在这里读到所有和它有关的：

发生该错误是因为 pickle （用于序列化 Python 对象的库）所需的函数尚未在 statsmodels 中定义。

必须在保存之前在 ARIMA 模型中定义函数 getnewargs ，该函数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：

  1. 定义适合 ARIMA 对象的__getnewargs__函数的实现。
  2. 将新功能添加到 ARIMA。

值得庆幸的是，Zae Myung Kim 在他的错误报告中提供了该函数的示例，因此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 允许我们猴子补丁一个对象，甚至像 statsmodels 这样的库。

我们可以使用赋值在现有对象上定义新函数。

我们可以为 ARIMA 对象上的__getnewargs__函数执行此操作，如下所示：

ARIMA.__getnewargs__ = __getnewargs__

下面列出了使用 Monkey 补丁在 Python 中训练，保存和加载 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')

现在运行该示例成功加载模型而没有错误。

摘要

在这篇文章中，您了解了如何解决 statsmodels ARIMA 实现中的一个错误，该错误阻止您在文件中保存和加载 ARIMA 模型。

你发现了如何编写一个猴子补丁来解决这个 bug，以及如何证明它确实已被修复。

您是否在项目中使用此解决方法？ 请在下面的评论中告诉我。