Notes

Search

SearchSearch

auto_arima

Feb 28, 2024, 2 min read

A função auto_arima do módulo pmdarima.arima (também conhecido como PyData’s ARIMA) é uma ferramenta poderosa para ajustar automaticamente modelos ARIMA (Média Móvel Integrada de AutoRegressão) a séries temporais. O principal objetivo é determinar automaticamente a ordem (p, d, q) do modelo ARIMA que melhor se ajusta aos dados, tornando o processo de ajuste de modelos ARIMA mais eficiente e acessível.

Principais parâmetros

  • exogenous: Uma matriz de variáveis exógenas (variáveis independentes) que podem ser usadas para melhorar o desempenho do modelo.

  • seasonal: Um booleano que indica se o processo de busca deve considerar componentes sazonais nos modelos ARIMA.

  • stepwise: Um booleano que controla se a busca deve ser conduzida de maneira eficiente, avaliando apenas modelos candidatos próximos a partir do modelo padrão.

  • scoring: Uma métrica usada para avaliar o desempenho dos modelos candidatos. Pode ser “mse” (Erro Quadrático Médio), “mae” (Erro Absoluto Médio), “aic” (Critério de Informação de Akaike) ou “bic” (Critério de Informação Bayesiano).

  • order: Permite que você especifique uma ordem (p, d, q) fixa em vez de realizar uma pesquisa automática.

  • seasonal_order: Permite que você especifique uma ordem sazonal fixa em vez de realizar uma pesquisa automática.

  • n_jobs: O número de trabalhos paralelos a serem usados para ajustar os modelos.

Exemplo

from pmdarima.arima import auto_arima
import numpy as np
 
# Exemplo de uma série temporal (substitua com seus próprios dados)
y = np.array([40, 42, 45, 48, 50, 52, 55, 58, 60, 62, 65, 68, 70, 72])
 
# Usando a função auto_arima para encontrar o melhor modelo ARIMA
model = auto_arima(y, seasonal=True, m=12, stepwise=True, trace=True)
 
# Sumário do modelo encontrado
print(model.summary())

Explicação do exemplo:

  1. Importamos a função auto_arima do módulo pmdarima.arima.

  2. Definimos uma série temporal y (substitua isso com seus próprios dados).

  3. Usamos auto_arima para ajustar automaticamente um modelo ARIMA à série temporal. Neste exemplo, estamos considerando um modelo sazonal (seasonal=True) com uma temporada de 12 períodos (m=12).

  4. O parâmetro stepwise=True instrui a função a realizar uma busca eficiente pela ordem do modelo ARIMA.

  5. Finalmente, imprimimos o sumário do modelo encontrado, que inclui informações detalhadas sobre os parâmetros do modelo.

Benefícios do auto_arima

  • Facilita a modelagem de séries temporais, especialmente para pessoas que não estão familiarizadas com a determinação da ordem ARIMA manualmente.

  • Realiza uma busca automática em uma ampla gama de modelos, economizando tempo na seleção do melhor modelo.

  • Pode ser personalizado com vários parâmetros para se adequar aos requisitos específicos.

Graph View

Backlinks