auto_sarima fourier分量

前言

auto_sarima使用非常简单， 只需输入周期M即可； 比如上一篇提到的kaggle商品预测比赛, 每年的圣诞节(12月)会有一波大的销量上涨；此时可以设置周期m=12（即12个月一个周期）;

model = auto_arima(train, seasonal=True, m=12)

问题：

在我的场景，需要使用m=168为周期；
由于m最后是作为幂次方进行运算的， 所以计算会非常慢， 而且效果也不好；

解决

使用fourier分量；

pipe = pipeline.Pipeline([
    ("fourier", ppc.FourierFeaturizer(m=168, k=18)),
    ("arima", arima.AutoARIMA(stepwise=True, trace=1, error_action="ignore",
                              seasonal=False,  # because we use Fourier
                              suppress_warnings=True))
])

参考链接如下：
• Helpful for long seasonal periods (large m) where seasonal=True seems to take a very long time to fit a model.

来自 https://alkaline-ml.com/pmdarima/modules/generated/pmdarima.preprocessing.FourierFeaturizer.html#pmdarima.preprocessing.FourierFeaturizer

• Pipelines with auto_arima

来自 https://alkaline-ml.com/pmdarima/auto_examples/example_pipeline.html#sphx-glr-auto-examples-example-pipeline-py