Что нужно сделать чтобы зависимость между test и pred в r2_score принимало значение близкое к одному или хотя бы положительное значение ?
Мои значения:
print(r_squared1) = -0.4495358246264647
print(r_squared2) = -2.4267164219331474
print(r_squared3) = -2.8062399601425785
from sklearn.model_selection import TimeSeriesSplit
#Specify fold and perform splitting
# Указать сгиб и выполнить разделение
tscv = TimeSeriesSplit(n_splits=3)
tscv.split(df)
#Find out no of observations in train and test sets
# Узнать количество наблюдений в тренировочных и тестовых наборах
i = 0
i=i+1
for train, test in tscv.split(df):
print ("No of observations under train%s=%s" % (i, len(train)))
print ("No of observations under test%s=%s" % (i, len(test)))
train1, test1 = df.iloc[0:60, 0], df.iloc[60:71, 0]
train2, test2 = df.iloc[71:120, 0], df.iloc[120:131, 0]
train3, test3 = df.iloc[131:180, 0], df.iloc[180:191, 0]
from sklearn.metrics import mean_squared_error, r2_score
from statsmodels.tsa.statespace.sarimax import SARIMAX
model1=sm.tsa.statespace.SARIMAX(train1, order=(param[0], 2, param[1]),
seasonal_order=(param[2], 2, param[3], 12)).fit(disp=-1)
#model1 = SARIMAX(train1, seasonal='mul', seasonal_periods=12).fit()
pred1 = model1.predict(start=test1.index[0], end=test1.index[-1])
r_squared1 = r2_score(test1, pred1)
model2=sm.tsa.statespace.SARIMAX(train2, order=(param[1], 1, param[2]),
seasonal_order=(param[2], 1, param[3], 12)).fit(disp=-1)
#model1 = SARIMAX(train1, seasonal='mul', seasonal_periods=12).fit()
pred2 = model2.predict(start=test2.index[0], end=test2.index[-1])
r_squared2 = r2_score(test2, pred2)
model3=sm.tsa.statespace.SARIMAX(train3, order=(param[0], 1, param[1]),
seasonal_order=(param[2], 1, param[3], 12)).fit(disp=-1)
#model1 = SARIMAX(train1, seasonal='mul', seasonal_periods=12).fit()
pred3 = model3.predict(start=test3.index[0], end=test3.index[-1])
r_squared3 = r2_score(test3, pred3)
print(r_squared1)
print(r_squared2)
print(r_squared3)