Я реализовал модель Holt-Winters с помощью Statsmodels в своем сценарии, и я могу делать с ней прогнозы, но я вручную устанавливаю альфа-бета и гамма-гиперпараметры. По вашему мнению, каким был бы самый быстрый способ получить идеальные значения для этих параметров с моим набором данных и как это реализовать? Есть ли какая-либо автоматическая оптимизация для Holt-Winters, как у Auto Arima? Вы можете найти мой код Python ниже:
пример файла:
https://ufile.io/e3zqs
from statsmodels.tsa.api import ExponentialSmoothing
import pandas as pd
import numpy as np
df = pd.read_excel("C:\\Users\\YannickLECROART\\Documents\\Python\\temprennes.xlsx", index_col=0)
df = df.fillna(0)
df.index = pd.to_datetime(df.index)
# our guessed parameters
alpha = 0.4
beta = 0.2
gamma = 0.01
# initialise model
ets_model = ExponentialSmoothing(df_data, trend='add', seasonal='add',
seasonal_periods=12)
ets_fit = ets_model.fit(smoothing_level=alpha, smoothing_slope=beta,
smoothing_seasonal=gamma)
# forecast p hours ahead
p_ahead = 12
yh = ets_fit.forecast(p_ahead)