Auto ARIMA

概述

该算子可以帮助我们自动确定 A R I M A ( p , d , q ) ( P , D , Q ) m。

Auto ARIMA选择过程

1. 执行差分测试决定差分d的大小（KPSS检测和ADF检测）

2. 拟合模型: 通过限制start_p、max_p、start_q max_q，在该范围内搜索最优参数；如果启用了季节性可选项，则还会执行Canova-Hansen来确定季节性差分的最佳阶数 D ，并之后基于此确定最佳 P 和 Q 超参数。

3. Auto ARIMA基于给定的information_criterion进行模型优化，范围('aic', 'aicc', 'bic', 'hqic', 'oob')；A并通过生成AIC和BIC值来确定参数的最佳组合。AIC和BIC值是用于比较模型的评估器。这些值越低，模型就越好。

目前 Auto ARIMA算子只支持在Notebook环境运行，不支持DLI环境下运行。

输入

表1
参数	子参数	参数说明
inputs	dataframe	inputs为字典类型，dataframe为pyspark中的DataFrame类型对象，一般为分词后的结果

输出

表2
参数	子参数	参数说明
output	output_port_1	output为字典类型，output_port_1为pyspark中的DataFrame类型对象，为Auto Arima模型预测的结果。

参数说明

表3

参数	是否必选	描述	默认值
seq_col_name	是	时序列。用来对valueColName排序。	无
value_col_name	是	数值列	无
group_col_names	否	分组列，多列用逗号分隔，如“col0,col1”。每个分组会构建一个时间序列	无
frequency	否	时序频率，正整数，范围为(0, 12]。	12说明 12表示12月/年。
max_order	否	p，q最大值，正整数，范围为[0,4]。	2
max_seasonal_order	否	季节性p，q最大值，正整数，范围为[0,2]。	1
max_diff	否	差分d最大值。正整数，范围为[0,2]。	2
max_seasonal_diff	否	季节性差分d最大值。正整数，范围为[0,1]。	1
diff	否	差分d，正整数，范围为[0,2]。diff与maxDiff同时设置时，maxDiff被忽略。diff与seasonalDiff要同时设置。	-1说明取值为-1表示不指定diff。
seasonal_diff	否	季节性差分d。正整数，范围为[0,1]。seasonalDiff与maxSeasonalDiff同时设置时，maxSeasonalDiff被忽略。	-1说明取值为-1表示不指定seasonalDiff。
max_iter	否	最大迭代次数，正整数	1500
tol	否	容忍度，double类型。	1e-5
predict_step	否	预测条数，数字，范围为(0, 365]。	12
confidence_level	否	预测置信水平，数字，范围为(0, 1)。	0.95

样例

数据样本

使用公开数据集AirPassengers.csv的前120行

数据示例：

Month,Passengers
1949-01,112
1949-02,118
1949-03,132
1949-04,129
1949-05,121
1949-06,135
1949-07,148
1949-08,148
1949-09,136
1949-10,119
1949-11,104
1949-12,118
1950-01,115
1950-02,126
1950-03,141

配置流程

运行流程

点击放大