शुरू करेंमुफ़्त में शुरू करें

अनुमान

पिछले अभ्यास में ACF और PACF से निष्कर्ष साफ़ नहीं थे। नतीजे संकेत देते हैं कि आपका डेटा ARMA(p,q) मॉडल भी हो सकता है या फिर एक अपूर्ण AR(3) मॉडल। इस अभ्यास में आप कुछ मॉडल ऑर्डर पर खोज करेंगे ताकि AIC के आधार पर सबसे अच्छा मॉडल मिल सके।

टाइम सीरीज़ savings लोड की जा चुकी है और ARIMA क्लास आपके environment में इम्पोर्ट की गई है.

यह अभ्यास पाठ्यक्रम का हिस्सा है

Python में ARIMA Models

पाठ्यक्रम देखें

अभ्यास निर्देश

  • p के मान 0 से 3 और q के मान 0 से 3 तक लूप चलाएँ.
  • लूप के अंदर, एक ARMA(p,q) मॉडल बनाएँ.
  • फिर मॉडल को टाइम सीरीज़ savings पर फिट करें.
  • हर लूप के अंत में p और q के मान, साथ ही AIC और BIC प्रिंट करें.

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# Loop over p values from 0-3
for p in ____:
  
  # Loop over q values from 0-3
    for q in ____:
      try:
        # Create and fit ARMA(p,q) model
        model = ____(____, order=____)
        results = ____
        
        # Print p, q, AIC, BIC
        print(____)
        
      except:
        print(p, q, None, None)
कोड संपादित करें और चलाएँ