Skip to main content
 首页 » 编程设计

python之在 python 中使用 VAR 模型进行条件预测

2025年02月15日8www_RR

我正在使用 VAR 模型来预测滞后为 2 的多元时间序列。我有三个特征,并且想向前预测几个时间戳。我没有预测所有三个特征,而是知道其中两个特征的值,并且只想预测一个特征。

如果我想预测所有三个特征 5 个时间戳,我可以按如下方式完成(这是一个玩具示例):

import pandas as pd 
from statsmodels.tsa.api import VAR     
data=pd.DataFrame({'Date':['1959-06-01','1959-06-02','1959-06-03','1959-06-04']\ 
                   ,'a':[1,2,3,5],'b':[2,3,5,8],'c':[3,4,7,11]}) 
data.set_index('Date', inplace=True) 
model = VAR(data) 
results = model.fit(2) 
results.forecast(data.values[-2:], 5) 

注意data是

            a  b   c 
Date                 
1959-06-01  1  2   3 
1959-06-02  2  3   4 
1959-06-03  3  5   7 
1959-06-04  5  8  11 

天气预报给了我

array([[   8.01388889,   12.90277778,   17.79166667], 
       [  12.93113426,   20.67650463,   28.421875  ], 
       [  20.73343461,   33.12405961,   45.51468461], 
       [  33.22366195,   52.98948789,   72.75531383], 
       [  53.15895736,   84.72805652,  116.29715569]]) 

假设我知道 a 接下来的 5 个值实际上应该是 8,13,21,34,55 而 接下来的 5 个值b 应该是 13,21,34,55,89。有没有办法将其合并到 statsmodels.tsa(或任何其他 python 包)中的模型中以仅预测 c 的 5 个值?我知道 R 有这样一个选项,通过将“硬”条件合并到 cpredict.VAR 中,但我想知道这是否也可以在 python 中完成。

以上是一个玩具示例。实际上我有几十个特征,但我仍然知道所有这些特征并且只想使用 VAR 模型预测其中一个。

请您参考如下方法:

我在解决这个问题时遇到了类似的问题。这是完成您所要求的临时方法。

prediction = model_fit.forecast(model_fit.y, steps=len(test)) 
predictions = prediction[:,0] 

` 其中 prediction[:,0] 中的 0 指的是包含所需预测值的列。