Sezónní dekompozice

Časovou řadu si můžeš představit jako složení trendové, sezónní a reziduální složky. Takový pohled na data se hodí, když přemýšlíš nad jejich modelováním. Pokud znáš periodu časové řady, můžeš ji na tyto složky rozložit.

V tomto cvičení provedeš dekompozici časové řady zachycující měsíční produkci mléka na krávu v USA. Získáš tak jasnější představu o trendu a sezónním cyklu. Protože jsou data měsíční, předpokládáme sezónnost 12 časových period – v jiných případech to ale nemusí platit.

Časová řada produkce mléka je načtena do DataFrame milk_production a je dostupná v tvém prostředí.

Toto cvičení je součástí kurzu

ARIMA modely v Pythonu

Zobrazit kurz

Pokyny k cvičení

Importuj funkci seasonal_decompose() z modulu statsmodels.tsa.seasonal.
Rozlož sloupec 'pounds_per_cow' z milk_production pomocí aditivního modelu s periodou 12 měsíců.
Vykresli dekompozici.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Import seasonal decompose
from ____ import ____

# Perform additive decomposition
decomp = seasonal_decompose(___, 
                            period=____)

# Plot decomposition
____
plt.show()

Upravit a spustit kód