statsmodels.tsa.holtwinters.HoltWintersResults¶
-
class statsmodels.tsa.holtwinters.HoltWintersResults(model, params, sse, aic, aicc, bic, optimized, level, trend, season, params_formatted, resid, k, fittedvalues, fittedfcast, fcastvalues, mle_retvals=
None)[source]¶ 拟合指数平滑模型的结果。
- Parameters:¶
- model
ExponentialSmoothinginstance 拟合的模型实例。
- params
dict 指数平滑模型的所有参数。
- sse
float 误差平方和。
- aic
float 赤池信息量准则。
- aicc
float 对有限样本大小进行修正的AIC。
- bic
float 贝叶斯信息准则。
- optimizedbool
指示模型参数是否已优化以拟合数据的标志。
- level
ndarray 构成拟合值的各个水平值的数组。
- trend
ndarray 构成拟合值的趋势值数组。
- season
ndarray 由构成拟合值的季节性值组成的数组。
- params_formatted
pd.DataFrame 包含所有参数、它们的简称以及一个标志的数据框，该标志指示参数的值是否已优化以拟合数据。
- resid
ndarray 拟合值和实际值的残差数组。
- k
int 用于去除AIC、BIC等中的偏差的k参数。
- fittedvalues
ndarray 拟合值的数组。由指数平滑模型拟合。
- fittedfcast
ndarray 一个包含拟合值和预测值的数组。
- fcastvalues
ndarray 指数平滑模型预测的预测值数组。
- mle_retvals{
None,scipy.optimize.optimize.OptimizeResult} 如果参数被优化以拟合数据，则优化结果。
- model
- Attributes:¶
aic赤池信息量准则。
aicc对有限样本大小进行修正的AIC。
bic贝叶斯信息准则。
fcastvalues预测值的数组
fittedfcast一个包含拟合值和预测值的数组。
fittedvalues拟合值的数组
k用于去除AIC、BIC等中的偏差的k参数。
level构成拟合值的各个水平值的数组。
mle_retvals如果参数被优化以拟合数据，则优化结果。
model用于生成结果实例的模型。
optimized指示模型参数是否被优化以拟合数据的标志。
params_formatted包含所有参数的DataFrame
resid拟合值和实际值的残差数组。
season由构成拟合值的季节性值组成的数组。
sse数据与拟合值之间的误差平方和。
trend构成拟合值的趋势值数组。
方法
forecast([steps])样本外预测
initialize(model, params, **kwargs)初始化（可能重新初始化）一个 Results 实例。
predict([start, end])样本内预测和样本外预测
simulate(nsimulations[, anchor, ...])使用状态空间公式的随机模拟。
summary()总结拟合的模型
属性
赤池信息量准则。
对有限样本大小进行修正的AIC。
贝叶斯信息准则。
预测值的数组
一个包含拟合值和预测值的数组。
拟合值的数组
用于去除AIC、BIC等中的偏差的k参数。
构成拟合值的各个水平值的数组。
如果参数被优化以拟合数据，则优化结果。
用于生成结果实例的模型。
指示模型参数是否被优化以拟合数据的标志。
包含所有参数的DataFrame
拟合值和实际值的残差数组。
由构成拟合值的季节性值组成的数组。
数据与拟合值之间的误差平方和。
构成拟合值的趋势值数组。