为滞后回归项建模

在NeuralProphet目前的版本下，只有在启用AR-Net的情况下，才会支持Lagged Regressor。这是因为它们都是使用前馈神经网络的内部处理方式，需要指定n_lags值。为了简单起见，目前我们对AR-Net和滞后回归器使用相同的n_lags值。因此，对于滞后回归器，NeuralProphet对象的实例化与AR-Net类似，如下图。

m = NeuralProphet(    n_forecasts=3,    n_lags=5,    yearly_seasonality=False,    weekly_seasonality=False,    daily_seasonality=False,)

当拟合模型时，提供给fit 函数的dataframe 应该有额外的滞后回归因子列，如下所示。

Untitled Database

在这个例子中，我们有一个名为A的滞后回归项。你还需要通过调用add_lagged_regressor函数并给出必要的设置，将这些Lagged Regressor用于NeuralProphet对象中。

m = m.add_lagged_regressor(name='A')

通过设置 add_lagged_regressor 函数的 only_last_value 参数，用户可以指定在输入窗口内只使用回归项的最后已知值，或者使用与自动回归相同的滞后数。现在你可以像往常一样执行模型拟合和预测。绘制的分量应该像下面的样子。

plot-comp-1

可以看到自动回归和滞后回归项A所对应的成分。系数图如下。

plot-param-1

它显示了与输入窗口对应的5个滞后的AR和滞后回归项的相关性。