如何使用统计模型Holt-Winters预测时间序列集

Question

我有一组2012年1月至2014年12月的数据，这些数据显示了一些趋势和季节性。我想使用statsmodels的Holt-Winters方法对未来2年（从2015年1月到2017年12月）做出预测。数据集如下：

date,Data
Jan-12,153046
Feb-12,161874
Mar-12,226134
Apr-12,171871
May-12,191416
Jun-12,230926
Jul-12,147518
Aug-12,107449
Sep-12,170645
Oct-12,176492
Nov-12,180005
Dec-12,193372
Jan-13,156846
Feb-13,168893
Mar-13,231103
Apr-13,187390
May-13,191702
Jun-13,252216
Jul-13,175392
Aug-13,150390
Sep-13,148750
Oct-13,173798
Nov-13,171611
Dec-13,165390
Jan-14,155079
Feb-14,172438
Mar-14,225818
Apr-14,188195
May-14,193948
Jun-14,230964
Jul-14,172225
Aug-14,129257
Sep-14,173443
Oct-14,188987
Nov-14,172731
Dec-14,211194

其外观如下：

我正在尝试建立Holt-Winters模型，以提高对过去数据的预测性能（这意味着要创建一个新图，在该图中可以查看我的参数是否对过去进行了很好的预测），随后预测未来几年。我使用以下代码进行了预测，但是我无法进行预测。

# Data loading
data = pd.read_csv('setpoints.csv', parse_dates=['date'], index_col=['date'])
df_data = pd.DataFrame(datos_matric, columns=['Data'])

df_data['Data'].index.freq = 'MS'
train, test = df_data['Data'], df_data['Data']
model = ExponentialSmoothing(train, trend='add', seasonal='add', seasonal_periods=12).fit()
period = ['Jan-12', 'Dec-14']
pred = model.predict(start=period[0], end=period[1])


df_data['Data'].plot(label='Train')
test.plot(label='Test')
pred.plot(label='Holt-Winters')
plt.legend(loc='best')
plt.show()

看起来像：

任何人现在如何预测它？

Answer 1

我认为您在这里误解了。您不应该对train和test使用相同的数据。测试数据是您的模型“尚未看到”的数据点。这样，您可以测试模型的性能。因此，我将您数据的最后三个月用作test。

至于预测，我们可以使用不同的start和end点。

还请注意，我将mul用作seasonal component，这对您的数据表现更好：

# read in data and convert date column to MS frequency
df = pd.read_csv(data)
df['date'] = pd.to_datetime(df['date'], format='%b-%y')
df = df.set_index('date').asfreq('MS')

# split data in train, test
train = df.loc[:'2014-09-01']
test = df.loc['2014-10-01':]

# train model and predict
model = ExponentialSmoothing(train, seasonal='mul', seasonal_periods=12).fit()
#model = ExponentialSmoothing(train, trend='add', seasonal='add', seasonal_periods=12).fit()
pred_test = model.predict(start='2014-10-01', end='2014-12-01')
pred_forecast = model.predict(start='2015-01-01', end='2017-12-01')

# plot data and prediction
df.plot(figsize=(15,9), label='Train')
pred_test.plot(label='Test')
pred_forecast.plot(label='Forecast')
plt.legend()
plt.show()
plt.savefig('figure.png')