# 如何在 Python 中保存 ARIMA 時間序列預測模型 > 原文： [https://machinelearningmastery.com/save-arima-time-series-forecasting-model-python/](https://machinelearningmastery.com/save-arima-time-series-forecasting-model-python/) 自回歸整合移動平均模型（ARIMA）是一種流行的時間序列分析和預測線性模型。 [statsmodels 庫](http://statsmodels.sourceforge.net/)提供了用于 Python 的 ARIMA 實現。 ARIMA 模型可以保存到文件中，以便以后用于對新數據進行預測。當前版本的 statsmodels 庫中存在一個錯誤，該錯誤會阻止加載已保存的模型。 在本教程中，您將了解如何診斷和解決此問題。 讓我們開始吧。  如何在 Python 中保存 ARIMA 時間序列預測模型 照片由 [Les Chatfield](https://www.flickr.com/photos/elsie/15583121591/) 保留，保留一些權利。 ## 每日女性出生數據集 首先，讓我們看一下標準時間序列數據集，我們可以用它來理解 statsmodels ARIMA 實現的問題。 這個每日女性出生數據集描述了 1959 年加利福尼亞州每日女性出生的數量。 單位是計數，有 365 個觀測值。數據集的來源歸功于 Newton（1988）。 [您可以從 DataMarket 網站](https://datamarket.com/data/set/235k/daily-total-female-births-in-california-1959)了解更多信息并下載數據集。 下載數據集并將其放在當前工作目錄中，文件名為“ _daily-total-female-births.csv_ ”。 下面的代碼片段將加載并繪制數據集。 ```py from pandas import Series from matplotlib import pyplot series = Series.from_csv('daily-total-female-births.csv', header=0) series.plot() pyplot.show() ``` 運行該示例將數據集作為 Pandas Series 加載，然后顯示數據的線圖。  每日總女性出生情節 ## Python 環境 確認您使用的是 [statsmodels 庫](http://statsmodels.sourceforge.net/)的最新版本。 你可以通過運行下面的腳本來做到這一點： ```py import statsmodels print('statsmodels: %s' % statsmodels.__version__) ``` 運行腳本應生成顯示 statsmodels 0.6 或 0.6.1 的結果。 ```py statsmodels: 0.6.1 ``` 您可以使用 Python 2 或 3。 **更新**：我可以確認 statsmodels 0.8 中仍然存在故障并導致錯誤消息： ```py AttributeError: 'ARIMA' object has no attribute 'dates' ``` ## ARIMA 模型保存 Bug 我們可以在 Daily Female Births 數據集上輕松訓練 ARIMA 模型。 下面的代碼片段在數據集上訓練 ARIMA（1,1,1）。 [model.fit（）](http://statsmodels.sourceforge.net/stable/generated/statsmodels.tsa.arima_model.ARIMA.fit.html#statsmodels.tsa.arima_model.ARIMA.fit)函數返回一個 [ARIMAResults](http://statsmodels.sourceforge.net/stable/generated/statsmodels.tsa.arima_model.ARIMAResults.html) 對象，我們可以在其上調用 [save（）](http://statsmodels.sourceforge.net/stable/generated/statsmodels.tsa.arima_model.ARIMAResults.save.html)將模型保存到文件和 [load（）](http://statsmodels.sourceforge.net/stable/generated/statsmodels.tsa.arima_model.ARIMAResults.load.html) 以后加載它。 ```py from pandas import Series from statsmodels.tsa.arima_model import ARIMA from statsmodels.tsa.arima_model import ARIMAResults # load data series = Series.from_csv('daily-total-female-births.csv', header=0) # prepare data X = series.values X = X.astype('float32') # fit model model = ARIMA(X, order=(1,1,1)) model_fit = model.fit() # save model model_fit.save('model.pkl') # load model loaded = ARIMAResults.load('model.pkl') ``` 運行此示例將訓練模型并將其保存到文件中沒有問題。 嘗試從文件加載模型時將報告錯誤。 ```py Traceback (most recent call last): File "...", line 16, in <module> loaded = ARIMAResults.load('model.pkl') File ".../site-packages/statsmodels/base/model.py", line 1529, in load return load_pickle(fname) File ".../site-packages/statsmodels/iolib/smpickle.py", line 41, in load_pickle return cPickle.load(fin) TypeError: __new__() takes at least 3 arguments (1 given) ``` 具體來說，注意這一行： ```py TypeError: __new__() takes at least 3 arguments (1 given) ``` 到目前為止一切順利，我們如何解決它？ ## ARIMA 模型保存 Bug 解決方法 Zae Myung Kim 于 2016 年 9 月發現了這個錯誤，并報告了這個錯誤。 你可以在這里讀到所有和它有關的： * [BUG：實現 __getnewargs __（）方法取消](https://github.com/statsmodels/statsmodels/pull/3217) 發生該錯誤是因為 [pickle](https://docs.python.org/2/library/pickle.html) （用于序列化 Python 對象的庫）所需的函數尚未在 statsmodels 中定義。 必須在保存之前在 ARIMA 模型中定義函數 [__getnewargs__](https://docs.python.org/2/library/pickle.html#object.__getnewargs__) ，該函數定義構造對象所需的參數。 我們可以解決這個問題。修復涉及兩件事： 1. 定義適合 ARIMA 對象的 ___getnewargs___ 函數的實現。 2. 將新功能添加到 ARIMA。 值得慶幸的是，Zae Myung Kim 在他的錯誤報告中提供了該函數的示例，因此我們可以直接使用它： ```py def __getnewargs__(self): return ((self.endog),(self.k_lags, self.k_diff, self.k_ma)) ``` Python 允許我們[猴子補丁](https://en.wikipedia.org/wiki/Monkey_patch)一個對象，甚至像 statsmodels 這樣的庫。 我們可以使用賦值在現有對象上定義新函數。 我們可以為 ARIMA 對象上的 ___getnewargs___ 函數執行此操作，如下所示： ```py ARIMA.__getnewargs__ = __getnewargs__ ``` 下面列出了使用 Monkey 補丁在 Python 中訓練，保存和加載 ARIMA 模型的完整示例： ```py from pandas import Series from statsmodels.tsa.arima_model import ARIMA from statsmodels.tsa.arima_model import ARIMAResults # monkey patch around bug in ARIMA class def __getnewargs__(self): return ((self.endog),(self.k_lags, self.k_diff, self.k_ma)) ARIMA.__getnewargs__ = __getnewargs__ # load data series = Series.from_csv('daily-total-female-births.csv', header=0) # prepare data X = series.values X = X.astype('float32') # fit model model = ARIMA(X, order=(1,1,1)) model_fit = model.fit() # save model model_fit.save('model.pkl') # load model loaded = ARIMAResults.load('model.pkl') ``` 現在運行該示例成功加載模型而沒有錯誤。 ## 摘要 在這篇文章中，您了解了如何解決 statsmodels ARIMA 實現中的一個錯誤，該錯誤阻止您在文件中保存和加載 ARIMA 模型。 你發現了如何編寫一個猴子補丁來解決這個 bug，以及如何證明它確實已被修復。 您是否在項目中使用此解決方法？ 請在下面的評論中告訴我。