Auto-regresi dengan deret waktu yang lebih mulus
Sekarang, mari jalankan kembali prosedur yang sama menggunakan sinyal yang lebih mulus. Anda akan menggunakan algoritma percent change yang sama seperti sebelumnya, tetapi kali ini dengan jendela yang jauh lebih besar (40, bukan 20). Saat jendela diperbesar, selisih antara titik waktu yang berdekatan menjadi lebih kecil, sehingga menghasilkan sinyal yang lebih mulus. Menurut Anda, apa dampaknya terhadap model auto-regresif?
prices_perc_shifted dan model (diperbarui untuk menggunakan jendela 40) tersedia di workspace Anda.
Latihan ini merupakan bagian dari kursus
Machine Learning untuk Data Deret Waktu di Python
Instruksi latihan
Gunakan fungsi (visualize_coefficients()) yang Anda buat pada latihan sebelumnya untuk menghasilkan plot dengan koefisien dari model dan nama kolom dari prices_perc_shifted.
Latihan interaktif langsung praktik
Cobalah latihan ini dengan melengkapi kode contoh ini.
# Visualize the output data up to "2011-01"
fig, axs = plt.subplots(2, 1, figsize=(10, 5))
y.loc[:'2011-01'].plot(ax=axs[0])
# Run the function to visualize model's coefficients
visualize_coefficients(____, ____, ax=axs[1])
plt.show()