我想计算来自凯特的先知，SARIMA和集成模型的RMSE和MSE。

Question

我进行了一次分析，通过将数据框架转换为timeseries数据来预测数据框架。我想计算RMSE和MSE的先知，SARIMA和集成模型从凯特。

For SARIMA代码：

from kats.models.sarima import SARIMAModel, SARIMAParams
warnings.simplefilter(action='ignore')
# create SARIMA param class
params = SARIMAParams(p=2 , 
    d=1, 
    q=1, 
    trend = 'ct', 
    seasonal_order=(1,0,1,12)
    )
# initiate SARIMA model
m = SARIMAModel(data=ts, params=params)
# fit SARIMA model
m.fit()

# generate forecast values
fcst = m.predict(
    steps=HOURS ,
    include_history = True
    )

# make plot to visualize
plt1 = m.plot()
plt.xlabel('Time (in days)')
plt.ylabel('Noise Level (db)')

预测结果：SARIMA预测

先知

代码：

from kats.models.prophet import ProphetModel, ProphetParams

# create a model param instance
params = ProphetParams(seasonality_mode='multiplicative') # additive mode gives worse results

# create a prophet model instance
m = ProphetModel(ts, params)

# fit model simply by calling m.fit()
m.fit()

# make prediction for next HOURS hours
fcst = m.predict(steps=HOURS, include_history = True)

# plot to visualize
plt2 = m.plot()
plt.xlabel('Time (in days)')
plt.ylabel('Noise Level (db)')

预测结果：

先知预测

有人能告诉我怎么做到吗？我尝试过几种汇总统计技术，但似乎行不通。谢谢!

Answer 1

Kats 201教程笔记本在第4节和第5节中有一些示例，展示了如何使用Kats计算evaluation_function (此处，MAE)并执行反测试来计算许多错误度量(MAPE、SMAPE、MAE、MASE、MSE、RMSE)。