实现ARIMA模型的通用步骤如下：

1) 加载数据：构建模型的第一步当然是加载数据集

2) 预处理：根据数据集定义预处理步骤。包括创建时间戳、日期/时间列转换为d类型、序列单变量化等。

3) 序列平稳化：为了满足假设，应确保序列平稳。这包括检查序列的平稳性和执行所需的转换

4) 确定d值：为了使序列平稳，执行差分操作的次数将确定为d值

5) 创建ACF和PACF图：这是ARIMA实现中最重要的一步。用ACF PACF图来确定ARIMA模型的输入参数

6) 确定p值和q值：从上一步的ACF和PACF图中读取p和q的值

7) 拟合ARIMA模型：利用我们从前面步骤中计算出来的数据和参数值，拟合ARIMA模型

8) 在验证集上进行预测：预测未来的值，

9) 计算RMSE：通过检查RMSE值来检查模型的性能，用验证集上的预测值和实际值检查RMSE值

 为什么我们需要Auto ARIMA？

虽然ARIMA是一个非常强大的预测时间序列数据的模型，但是数据准备和参数调整过程是非常耗时的。在实现ARIMA之前，需要使数据保持平稳，并使用前面讨论的ACF和PACF图确定p和q的值。Auto ARIMA让整个任务实现起来非常简单，因为它去除了我们在上一节中提到的步骤3至6。下面是实现AUTO ARIMA应该遵循的步骤：

1) 加载数据：此步骤与ARIMA实现步骤1相同。将数据加载到笔记本中

2) 预处理数据：输入应该是单变量，因此删除其他列

3) 拟合Auto ARIMA：在单变量序列上拟合模型

4) 在验证集上进行预测：在验证集基础上进行预测

5) 计算RMSE：用验证集上的预测值和实际值检查RMSE值