對資料選擇合適的時序模型和合適的預測方法
阿新 • • 發佈:2022-04-01
待分析資料如下(data.csv):
特徵值說明:
x1 | 社會從業人數 |
x2 | 在崗職工工資總額 |
x3 | 社會消費零售總額 |
x4 | 城鎮居民人均可支配收入 |
x5 | 城鎮居民人均消費性支出 |
x6 | 年末總人口 |
x7 | 全社會固定資產投資額 |
x8 | 地區生產總值 |
x9 | 第一生產值 |
x10 | 稅收 |
x11 | 居民消費價格指數 |
x12 | 第三產業與第二產業產值比 |
x13 | 居民消費水平 |
y | 財政收入 |
一、對資料進行分析
讀入資料
import numpy as np import pandas as pd inputfile= 'C:/Users/86136/Documents/python大資料分析/課本原始碼以及資料/chapter6/demo/data/data.csv' # 輸入的資料檔案 data = pd.read_csv(inputfile) # 讀取資料
1、描述性統計分析
# 描述性統計分析 description = [data.min(), data.max(), data.mean(), data.std()] # 依次計算最小值、最大值、均值、標準差 description = pd.DataFrame(description, index = ['Min', 'Max', 'Mean', 'STD']).T # 將結果存入資料框 print('描述性統計結果:\n',np.round(description, 2)) # 保留兩位小數
分析結果:
2、相關性分析
# 相關性分析 corr = data.corr(method = 'pearson') # 計算相關係數矩陣 print('相關係數矩陣為:\n',np.round(corr, 2)) # 保留兩位小數
分析結果:
繪製相關性熱力圖
# 繪製熱力圖 import matplotlib.pyplot as plt import seaborn as sns plt.subplots(figsize=(10, 10)) # 設定畫面大小 sns.heatmap(corr, annot=True, vmax=1, square=True, cmap="Greens") #cmap可自定義顏色 plt.title('相關性熱力圖') plt.show() plt.close
熱力圖結果:
由相關係數矩陣以及相關性熱力圖可知x11(居民消費價格指數)對y(財政收入)影響最小
二、灰色預測演算法+SVR演算法
1、lasso迴歸選取關鍵屬性
lasso = Lasso(1000) # 呼叫Lasso()函式,設定λ的值為1000 lasso.fit(data.iloc[:,0:13],data['y']) mask = lasso.coef_ != 0 # 返回一個相關係數是否為零的布林陣列 mask = np.append(mask,True) outputfile ='C:/Users/86136/Documents/python大資料分析/課本原始碼以及資料/chapter6/demo/tmp/new_reg_data.csv' # 輸出的資料檔案 new_reg_data = data.iloc[:, mask] # 返回相關係數非零的資料 new_reg_data.to_csv(outputfile) # 儲存資料 print('輸出資料的維度為:',new_reg_data.shape) # 檢視輸出資料的維度
2、構建灰度預測模型並預測
import sys sys.path.append('C:/Users/86136/Documents/python大資料分析/課本原始碼以及資料/chapter6/demo/code') # 設定路徑 import numpy as np import pandas as pd from GM11 import GM11 # 引入自編的灰色預測函式 inputfile1 = '../tmp/new_reg_data.csv' # 輸入的資料檔案 inputfile2 = '../data/data.csv' # 輸入的資料檔案 new_reg_data = pd.read_csv(inputfile1) # 讀取經過特徵選擇後的資料 data = pd.read_csv(inputfile2) # 讀取總的資料 new_reg_data.index = range(1994, 2014) new_reg_data.loc[2014] = None new_reg_data.loc[2015] = None l = ['x1', 'x3', 'x4', 'x5', 'x6', 'x7', 'x8', 'x13'] for i in l: f = GM11(new_reg_data.loc[range(1994, 2014),i].values)[0] new_reg_data.loc[2014,i] = f(len(new_reg_data)-1) # 2014年預測結果 new_reg_data.loc[2015,i] = f(len(new_reg_data)) # 2015年預測結果 new_reg_data[i] = new_reg_data[i].round(2) # 保留兩位小數 outputfile = '../tmp/new_reg_data_GM11.xls' # 灰色預測後儲存的路徑 y = list(data['y'].values) # 提取財政收入列,合併至新資料框中 y.extend([np.nan,np.nan]) new_reg_data['y'] = y new_reg_data.to_excel(outputfile) # 結果輸出 print('預測結果為:\n',new_reg_data.loc[2014:2015,:]) # 預測結果展示
GM11.py
#-*- coding: utf-8 -*- def GM11(x0): #自定義灰色預測函式 import numpy as np x1 = x0.cumsum() #1-AGO序列 z1 = (x1[:len(x1)-1] + x1[1:])/2.0 #緊鄰均值(MEAN)生成序列 z1 = z1.reshape((len(z1),1)) B = np.append(-z1, np.ones_like(z1), axis = 1) Yn = x0[1:].reshape((len(x0)-1, 1)) [[a],[b]] = np.dot(np.dot(np.linalg.inv(np.dot(B.T, B)), B.T), Yn) #計算引數 f = lambda k: (x0[0]-b/a)*np.exp(-a*(k-1))-(x0[0]-b/a)*np.exp(-a*(k-2)) #還原值 delta = np.abs(x0 - np.array([f(i) for i in range(1,len(x0)+1)])) C = delta.std()/x0.std() P = 1.0*(np.abs(delta - delta.mean()) < 0.6745*x0.std()).sum()/len(x0) return f, a, b, x0[0], C, P #返回灰色預測函式、a、b、首項、方差比、小殘差概率
3、構建SVR迴歸預測模型
import matplotlib.pyplot as plt from sklearn.svm import LinearSVR inputfile = 'C:/Users/86136/Documents/python大資料分析/課本原始碼以及資料/chapter6/demo/tmp/new_reg_data_GM11.xls' # 灰色預測後儲存的路徑 data = pd.read_excel(inputfile) # 讀取資料 feature = ['x1', 'x3', 'x4', 'x5', 'x6', 'x7', 'x8', 'x13'] # 屬性所在列 #data_train = data.loc[range(1994,2014)].copy() # 取2014年前的資料建模 data_train = data.iloc[0:20].copy() # 取2014年前的資料建模 data_mean = data_train.mean() data_std = data_train.std() data_train = (data_train - data_mean)/data_std # 資料標準化 x_train = data_train[feature].values # 屬性資料 y_train = data_train['y'].values # 標籤資料 linearsvr = LinearSVR() # 呼叫LinearSVR()函式 linearsvr.fit(x_train,y_train) x = ((data[feature] - data_mean[feature])/data_std[feature]).values # 預測,並還原結果。 data['y_pred'] = linearsvr.predict(x) * data_std['y'] + data_mean['y'] outputfile = '../tmp/new_reg_data_GM11_revenue.xls' # SVR預測後儲存的結果 data.to_excel(outputfile) print('真實值與預測值分別為:\n',data[['y','y_pred']]) fig = data[['y','y_pred']].plot(subplots = True, style=['b-o','r-*']) # 畫出預測結果圖 plt.show()
預測結果:
經實際值與預測值比較可知,灰色預測演算法+SVR演算法預測效果還不錯
所預測的2014(20)年和2015(21)年財政收入如下:
三、ARMA模型
1、平穩性檢驗
讀資料
import pandas as pd # 引數初始化 discfile = 'C:/Users/86136/Documents/python大資料分析/課本原始碼以及資料/chapter6/demo/data/data.csv' # 讀取資料 data = pd.read_csv(discfile)
時序圖
# 時序圖 import matplotlib.pyplot as plt plt.rcParams['font.sans-serif'] = ['SimHei'] # 用來正常顯示中文標籤 plt.rcParams['axes.unicode_minus'] = False # 用來正常顯示負號 data.plot() plt.show()
自相關圖
# 自相關圖 from statsmodels.graphics.tsaplots import plot_acf plot_acf(data['y']).show()
對y(財政收入)進行平穩性檢驗
# 平穩性檢測 from statsmodels.tsa.stattools import adfuller as ADF print('原始序列的ADF檢驗結果為:', ADF(data['y'])) # 返回值依次為adf、pvalue、usedlag、nobs、critical values、icbest、regresults、resstore
# 差分後的結果 D_data = data.diff().dropna() feature = ['x1', 'x2', 'x3', 'x4', 'x5', 'x6', 'x7', 'x8', 'x9', 'x10', 'x11', 'x12', 'x13', 'y'] # 屬性所在列 D_data.columns = feature D_data.plot() # 時序圖 plt.show() plot_acf(D_data['y']).show() # 自相關圖 from statsmodels.graphics.tsaplots import plot_pacf plot_pacf(D_data['y']).show() # 偏自相關圖 print('差分序列的ADF檢驗結果為:', ADF(D_data['y'])) # 平穩性檢測
白噪聲檢驗
# 白噪聲檢驗 from statsmodels.stats.diagnostic import acorr_ljungbox print('差分序列的白噪聲檢驗結果為:', acorr_ljungbox(D_data['y'], lags=1)) # 返回統計量和p值
2、模型
from statsmodels.tsa.arima_model import ARIMA # 定階 data['y'] = data['y'].astype(float) pmax = int(len(D_data)/10) # 一般階數不超過length/10 qmax = int(len(D_data)/10) # 一般階數不超過length/10 bic_matrix = [] # BIC矩陣 for p in range(pmax+1): tmp = [] for q in range(qmax+1): try: # 存在部分報錯,所以用try來跳過報錯。 tmp.append(ARIMA(data['y'], (p,1,q)).fit().bic) except: tmp.append(None) bic_matrix.append(tmp) bic_matrix = pd.DataFrame(bic_matrix) # 從中可以找出最小值 p,q = bic_matrix.stack().idxmin() # 先用stack展平,然後用idxmin找出最小值位置。 print('BIC最小的p值和q值為:%s、%s' %(p,q)) model = ARIMA(data['y'], (p,1,q)).fit() # 建立ARIMA(0, 1, 1)模型 print('模型報告為:\n', model.summary2()) print('預測未來2年,其預測結果、標準誤差、置信區間如下:\n', model.forecast(2))
預測結果:
四、總結
灰色預測演算法+SVR演算法預測的模型效果更好