LoslegenKostenlos loslegen

Dynamische Prognosen plotten

Zeit, deine Vorhersagen zu plotten. Denk daran: Bei dynamischen Vorhersagen macht dein Modell Vorhersagen ohne nachträgliche Korrekturen – anders als bei Ein-Schritt-nach-vorn-Prognosen. Das ist so, als würdest du jetzt eine Prognose für die nächsten 30 Tage erstellen und dann abwarten, was passiert, bevor du beurteilst, wie gut deine Vorhersagen waren.

Die DataFrames lower_limits, upper_limits und amazon sowie deine Mittelwertvorhersagen mean_forecast aus der letzten Übung stehen in deiner Umgebung bereit.

Diese Übung ist Teil des Kurses

ARIMA-Modelle in Python

Kurs anzeigen

Anleitung zur Übung

  • Plotte die amazon-Daten, wobei du die Datumsangaben im Index dieses DataFrames als x-Koordinaten und die Werte als y-Koordinaten verwendest.
  • Plotte die Vorhersagen mean_forecast auf die gleiche Weise.
  • Plotte einen schattierten Bereich zwischen lower_limits und upper_limits deines Konfidenzintervalls. Verwende den Index eines dieser DataFrames als x-Koordinaten.

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# plot the amazon data
plt.plot(____, ____, label='observed')

# plot your mean forecast
plt.plot(____, ____, color='r', label='forecast')

# shade the area between your confidence limits
plt.____(____, ____, 
         ____, color='pink')

# set labels, legends and show plot
plt.xlabel('Date')
plt.ylabel('Amazon Stock Price - Close USD')
plt.legend()
plt.show()
Code bearbeiten und ausführen