我有一个文件，里面包含了从2015年到2019年（截至2019年12月31日）的5年每日数据，我需要预测2021年的每日值；我使用的是statsmodels.tsa.holtwinters.ExponentialSmoothing，到目前为止，我通过预测2019年和2020年的数据来进行预测。是否可以不预测2020年的数据，直接预测2021年的数据？

这是我目前的代码：

fit1 = ExponentialSmoothing(train[colval],seasonal_periods=730,trend=trend, seasonal=seasonal,).fit()prediction_result = fit1.forecast(365)

使用上述代码，预测从训练数据集结束后开始，这是正常的吗？

这是我数据的分割方式：2015-2018年用于训练，2019年用于测试

回答：

如果你在训练时将具有频率设置的基于datetimeindex的序列输入到ExponentialSmoothing中，你可以使用predict函数来预测任何日期的数值。AirPassengers数据的频率设置为每月开始。AirPassengers中包含的数据是从1949年到1960年的数据。

请参考下面的示例以获取详细信息：

import pandas as pd df = pd.read_csv('AirPassengers.csv')df['Month'] = pd.to_datetime(df['Month'])df = df.set_index('Month')from statsmodels.tsa.api import ExponentialSmoothinges = ExponentialSmoothing(df).fit()es.predict('2021-05-01', '2021-08-01')

你将得到以下输出：

希望这能回答你的问题。