LoslegenKostenlos loslegen

Fitting-Vorspiel

Super, du verstehst die Modellordnung! Die Ordnung zu verstehen ist wichtig, wenn es darum geht, Modelle zu fitten. Du musst immer die Ordnung des Modells auswählen, das du auf deine Daten anwendest – unabhängig davon, um welche Daten es geht.

In dieser Übung machst du ein einfaches Fitting. Modelle zu fitten ist der nächste entscheidende Schritt auf dem Weg zu Vorhersagen. Wir steigen im nächsten Kapitel tiefer ein, aber hier legen wir schon mal los.

Einige Beispiel-Daten aus einem ARMA(1,1)-Prozess wurden erstellt und stehen dir in deiner Umgebung als y zur Verfügung. Diese Daten könnten zum Beispiel das Ausmaß von Verkehrsstaus darstellen. Mit Prognosen darauf könntest du Fahrerinnen und Fahrern effiziente Routen vorschlagen.

Diese Übung ist Teil des Kurses

ARIMA-Modelle in Python

Kurs anzeigen

Anleitung zur Übung

  • Importiere die Modellklasse ARIMA aus dem Untermodule statsmodels.tsa.arima.model.
  • Erzeuge ein Modellobjekt, übergib die Zeitreihe y und die Modellordnung (1,0,1). Weisen dies der Variable model zu.
  • Verwende die .fit()-Methode des Modells, um es an die Daten zu fitten.

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# Import the ARIMA model
from ____ import ____

# Instantiate the model
model = ____(____, order=____)

# Fit the model
results = ____
Code bearbeiten und ausführen