Diagnostika
Dostáváme se do fáze diagnostiky modelu. Zjistil/a jsi, že původní časová řada byla stacionární, ale může obsahovat jeden odlehlý bod. Pomocí ACF a PACF jsi identifikoval/a slibné řády modelu a tato zjištění jsi potvrdil/a natrénováním řady modelů a vyhodnocením kritérií AIC a BIC.
Model ARMA(1,2) se ukázal jako nejlépe odpovídající našim datům, a teď chceš zkontrolovat jeho předpovědi, než ho nasadíš do produkce.
Časová řada savings je načtena a třída ARIMA je naimportována do tvého prostředí.
Toto cvičení je součástí kurzu
ARIMA modely v Pythonu
Pokyny k cvičení
- Znovu natrénuj model ARMA(1,2) na časové řadě s trendem nastaveným na konstantu.
- Vytvoř 4 standardní diagnostické grafy.
- Vypiš souhrnné statistiky reziduí modelu.
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
# Create and fit model
model = ____
results = ____
# Create the 4 diagostics plots
____
plt.show()
# Print summary
____