概述

ARIMA全称为自回归积分滑动平均模型（Autoregressive Integrated Moving Average model），是时间序列预测分析方法之一。ARIMA(p，d，q)中，AR是“自回归”，p为自回归项数；MA为“滑动平均”，q为滑动平均项数，d为使之成为平稳序列所做的差分次数（阶数）。

目前ARIMA算子只支持在Notebook环境运行，不支持DLI环境下运行。

输入

表1

参数	子参数	参数说明
inputs	dataframe	inputs为字典类型，dataframe为pyspark中的DataFrame类型对象，一般为分词后的结果

输出

表2

参数	子参数	参数说明
output	output_port_1	output为字典类型，output_port_1为pyspark中的DataFrame类型对象，为arima模型预测的结果。

参数说明

表3

参数	是否必选	描述	默认值
seq_col_name	是	时序列。仅用来对valueColName排序。	无
value_col_name	是	数值列。	无
group_col_names	否	分组列，多列用逗号分隔，例如col0,col1。每个分组会构建一个时间序列。	无
order	是	p、d和q分别表示自回归系数、差分、滑动回归系数。取值均为非负整数，范围为[0, 36]。	无
seasonal	否	sp、sd、sq分别表示季节因素的自回归，差分，移动平均系数，取值均为非负整数，范围为[0, 36]。	0,0,0
period	否	seasonal周期。数字类型，取值范围为(0, 100]。	12
predict_step	否	预测条数。数字类型，取值范围为(0, 365]。	12
confidence_level	否	预测置信水平。数字类型，取值范围为(0, 1)。	0.95

样例

数据样本

使用公开数据集AirPassengers.csv的前120行

数据示例

Month,Passengers
1949-01,112
1949-02,118
1949-03,132
1949-04,129
1949-05,121
1949-06,135
1949-07,148
1949-08,148
1949-09,136
1949-10,119
1949-11,104
1949-12,118
1950-01,115
1950-02,126
1950-03,141

配置流程

运行流程：

算法参数设置：

查看结果：

上图所示模型信息不输出到表格中，可在日志中查看。

父主题： 时间序列

同意关联代理商云淘科技，购买华为云产品更优惠（QQ 78315851）

内容没看懂？ 不太想学习？想快速解决？ 有偿解决： 联系专家