statsmodels.tsa.holtwinters.SimpleExpSmoothing¶

class statsmodels.tsa.holtwinters.SimpleExpSmoothing(endog, initialization_method=None, initial_level=None)[source]¶

简单指数平滑

Parameters:¶

endogarray_like

要建模的时间序列。

initialization_methodstr, optional

初始化递归的方法。以下之一：

• 无

• ‘估计的’

• ‘启发式’

• ‘传统启发式’

• ‘已知’

None 默认使用 pre-0.12 的行为，其中初始值作为 fit 的一部分传递。如果传递了其他任何值，则在构建模型时也必须设置初始值。如果使用“known”初始化，则必须传递 initial_level，以及如果适用的话，还必须传递 initial_trend 和 initial_seasonal。默认值为“estimated”。“legacy-heuristic” 使用 statsmodels 0.11 及更早版本中使用的相同值。

initial_levelfloat, optional

初始水平组件。如果估计方法是“已知”，则需要此项。如果通过“估计”或“启发式”设置此值，则使用此值。这允许设置一个或多个初始值，同时将其他值的设置推迟到启发式方法或估计未设置的参数。

Attributes:¶

endog_names

内生变量的名称。

exog_names

外生变量的名称。

另请参阅

ExponentialSmoothing

带有趋势和季节成分的指数平滑。

Holt

带有趋势成分的指数平滑。

注释

这是一个按照[1]实现的简单指数平滑的完整实现。SimpleExpSmoothing是ExponentialSmoothing的一个受限版本。

请参阅笔记本 指数平滑 以获取概述。

参考文献

[1]

Hyndman, Rob J., 和 George Athanasopoulos. 预测：原理与实践. OTexts, 2014.

方法

fit([smoothing_level, optimized, ...])	拟合模型
fix_params(values)	暂时固定参数以进行估计。
from_formula(公式, 数据[, 子集, 删除列])	从公式和数据框创建模型。
hessian(params)	模型的海森矩阵。
information(params)	模型的费舍尔信息矩阵。
initial_values([initial_level, ...])	计算在指数平滑递归中使用的初始值。
initialize()	初始化（可能重新初始化）一个模型实例。
loglike(params)	模型的对数似然值。
predict(params[, start, end])	样本内和样本外预测。
score(params)	模型的得分向量。

属性

endog_names	内生变量的名称。
exog_names	外生变量的名称。