statsmodels.tsa.exponential_smoothing.ets.ETSModel.fit¶

ETSModel.fit(start_params=None, maxiter=1000, full_output=True, disp=True, callback=None, return_params=False, **kwargs)[source]¶

通过最大化对数似然来拟合ETS模型。

对数似然是模型参数 \(\alpha, \beta, \gamma, \phi\)（取决于所选模型）的函数，并且，如果 initialization_method 在构造函数中被设置为 ‘estimated’， 还包括初始状态 \(l_{-1}, b_{-1}, s_{-1}, \ldots, s_{-m}\)。

拟合过程使用L-BFGS算法进行。

Parameters:¶

start_paramsarray_like, optional

将优化的参数的初始值。如果这是 None，将使用默认值。 其长度取决于所选模型。此参数应按以下顺序包含参数，跳过所选模型中不存在的参数。

• smoothing_level（\(\alpha\)）

• smoothing_trend（\(\beta\)）

• smoothing_seasonal (\(\gamma\))

• 阻尼趋势 (\(\phi\))

如果 initialization_method 被设置为 'estimated'（默认值），此外，参数

• 初始水平 (\(l_{-1}\))

• 初始趋势 (\(l_{-1}\))

• initial_seasonal.0 (\(s_{-1}\))

• …

• initial_seasonal. (\(s_{-m}\))

也需要指定。

maxiterint, optional

要执行的最大迭代次数。

full_outputbool, optional

设置为 True 以在 Results 对象的 mle_retvals 属性中获取所有可用输出。输出内容取决于求解器。有关更多信息，请参阅 LikelihoodModelResults 注释部分。

dispbool, optional

设置为 True 以打印收敛消息。

callbackcallable callback(xk), optional

在每次迭代后调用，作为回调函数(xk)，其中xk是当前的参数向量。

return_paramsbool, optional

是否仅返回最大化参数的数组。 默认是 False。

**kwargs

传递给优化器的其他关键字参数。

Returns:¶

resultsETSResults