auto arima: r и python предлагают разные модели arima для одних и тех же данных, почему? - PullRequest
Новая
       7

auto arima: r и python предлагают разные модели arima для одних и тех же данных, почему?

1 голос
/ 28 июня 2019

Я пытался использовать auto arima в python одновременно на R для тех же данных, но получил другой выбор модели ARIMA, поскольку это лучшая модель с другим AIC. Можете ли вы сказать мне, почему я получаю разные лучшие модели с разными AIC на двух языках?

Данные и коды для R 

wineind <- c(15136., 16733., 20016., 17708., 18019., 19227., 22893., 23739.,
         21133., 22591., 26786., 29740., 15028., 17977., 20008., 21354.,
         19498., 22125., 25817., 28779., 20960., 22254., 27392., 29945.,
         16933., 17892., 20533., 23569., 22417., 22084., 26580., 27454.,
         24081., 23451., 28991., 31386., 16896., 20045., 23471., 21747.,
         25621., 23859., 25500., 30998., 24475., 23145., 29701., 34365.,
         17556., 22077., 25702., 22214., 26886., 23191., 27831., 35406.,
         23195., 25110., 30009., 36242., 18450., 21845., 26488., 22394.,
         28057., 25451., 24872., 33424., 24052., 28449., 33533., 37351.,
         19969., 21701., 26249., 24493., 24603., 26485., 30723., 34569.,
         26689., 26157., 32064., 38870., 21337., 19419., 23166., 28286.,
         24570., 24001., 33151., 24878., 26804., 28967., 33311., 40226.,
         20504., 23060., 23562., 27562., 23940., 24584., 34303., 25517.,
         23494., 29095., 32903., 34379., 16991., 21109., 23740., 25552.,
         21752., 20294., 29009., 25500., 24166., 26960., 31222., 38641.,
         14672., 17543., 25453., 32683., 22449., 22316., 27595., 25451.,
         25421., 25288., 32568., 35110., 16052., 22146., 21198., 19543.,
         22084., 23816., 29961., 26773., 26635., 26972., 30207., 38687.,
         16974., 21697., 24179., 23757., 25013., 24019., 30345., 24488.,
         25156., 25650., 30923., 37240., 17466., 19463., 24352., 26805.,
         25236., 24735., 29356., 31234., 22724., 28496., 32857., 37198.,
         13652., 22784., 23565., 26323., 23779., 27549., 29660., 23356.)
tswineind<-ts(wineind, start=c(1985,1), frequency=12)
library(forecast)
tswineindbest<-auto.arima(tswineind,approximation = FALSE)
tswineindbest

Результат для R 

ARIMA(0,1,3)(0,1,1)[12]

Данные и коды для Python 

import numpy as np
import pmdarima as pm
from pmdarima.datasets import load_wineind

# this is a dataset from R
wineind = load_wineind().astype(np.float64)

# fit stepwise auto-ARIMA
stepwise_fit = pm.auto_arima(wineind, start_p=1, start_q=1,
                             max_p=3, max_q=3, m=12,
                             start_P=0, seasonal=True,
                             d=1, D=1, trace=True,
                             error_action='ignore',  # don't want to know if an order does not work
                             suppress_warnings=True,  # don't want convergence warnings
                             stepwise=True)  # set to stepwise
stepwise_fit.summary()

Результат для Python 

    SARIMAX(1, 1, 2)x(0, 1, 1, 12)  AIC 3066.742

Я ожидал ту же самую лучшую модель и ту же AIC для R и Python.

...