डायग्नोस्टिक प्लॉट करें
मॉडल डिज़ाइन में कब फिर से शुरुआत पर लौटना है, यह जानना महत्वपूर्ण है। इस अभ्यास में आप 4 सामान्य प्लॉट्स का उपयोग करके तय करेंगे कि कोई मॉडल किसी डेटा के लिए अच्छा फिट है या नहीं।
यह याद दिलाना है कि किसी अच्छे फिट वाले मॉडल के लिए प्रत्येक प्लॉट में आप क्या देखना चाहेंगे:
| टेस्ट | अच्छा फिट |
|---|---|
| स्टैंडर्डाइज़्ड रेजिडुअल | रेजिडुअल्स में कोई स्पष्ट पैटर्न नहीं होना चाहिए |
| हिस्टोग्राम और KDE अनुमान | KDE कर्व सामान्य वितरण के बहुत समान होना चाहिए |
| नॉर्मल Q-Q | अधिकांश डेटा पॉइंट्स सीधी रेखा पर होने चाहिए |
| कोरैलोग्राम | लग शून्य से बड़े होने पर 95% कोरिलेशंस महत्वपूर्ण नहीं होने चाहिए |
आपके एन्वायरनमेंट में एक अज्ञात टाइम सीरीज़ df और ARIMA मॉडल क्लास उपलब्ध हैं.-
यह अभ्यास पाठ्यक्रम का हिस्सा है
Python में ARIMA Models
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# Create and fit model
model = ARIMA(df, order=(____))
results = model.fit()
# Create the 4 diagnostics plots
____
plt.show()