Python PMdarima 库自动拟合 ARIMA 模型代码详解

这段代码是用来拟合一个自回归移动平均模型 (ARIMA) 的时间序列数据。ARIMA 模型是一种常用的用于预测和分析时间序列数据的统计模型。

具体来说，这段代码使用了 pmdarima 库中的 auto_arima 函数来自动选择 ARIMA 模型的参数。参数说明如下：

• ts_log: 要拟合的时间序列数据，经过对数转换后的数据。
• start_p: AR 模型的初始阶数。
• start_q: MA 模型的初始阶数。
• test: 检验单位根的方法，'adf' 表示使用 ADF 检验。
• max_p: AR 模型的最大阶数。
• max_q: MA 模型的最大阶数。
• m: 季节性周期的长度。
• start_P: 季节性 AR 模型的初始阶数。
• seasonal: 是否考虑季节性。
• d: 差分阶数。
• D: 季节性差分阶数。
• trace: 是否输出拟合过程的详细信息。
• error_action: 发生错误时的操作，'ignore' 表示忽略错误。
• suppress_warnings: 是否忽略警告。
• stepwise: 是否使用逐步法选择参数。

该代码的目标是通过自动选择最优的 ARIMA 模型参数来拟合给定的时间序列数据。