0
J'ai essayé d'utiliser le modèle arima dans la fonction gridSearchCV, mais il retournecomment puis-je utiliser des estimateurs non sklearn pour un pipeline modèle
« TypeError: semble ne pas être: Impossible de cloner l'objet « »(type) un estimateur scikit-learn car il n'a pas mettre en œuvre une des méthodes « get_params ». "
import numpy as np
import pandas as pd
from sklearn.grid_search import GridSearchCV
from statsmodels.tsa.arima_model import ARIMA
df_original = pd.DataFrame({"date_col": ['2016-08-01', '2016-08-02', '2016-08-03', '2016-08-04', '2016-08-05',
'2016-08-06', '2016-08-07', '2016-08-08', '2016-08-09', '2016-08-10',
'2016-08-11'],
'sum_base_revenue_cip': [1, 2, 7, 5, 1, 2, 5, 10, 9, 0, 1]})
df_original["sum_base_revenue_cip"] = np.log(df_original["sum_base_revenue_cip"] + 1e-6)
df_original_ts = df_original.copy(deep=True)
df_original_ts['date_col'] = pd.to_datetime(df_original['date_col'])
df_original_ts = df_original_ts.set_index('date_col')
print df_original_ts
estimator = ARIMA(df_original_ts,order=(1,1,0))
params = {
'order': ((2, 1, 0), (0, 2, 1), (1, 0, 0))
}
grid_search = GridSearchCV(estimator,
params,
n_jobs=-1,
verbose=True)
grid_search.fit(df_original_ts)
La réponse de simon est correcte. Je pense qu'il est plus facile de faire le point 3. et j'ai trouvé un lien à ce sujet. http://machinelearningmastery.com/grid-search-arima-hyperparameters-with-python/ –