季節分解
時系列は、トレンド、季節性、残差の成分から構成されていると考えることができます。これはモデリングを進めるうえでデータを捉える良い枠組みになります。時系列の周期がわかっていれば、これらの成分に分解できます。
この演習では、アメリカにおける牛1頭あたりの月間搾乳量の時系列を分解します。これにより、トレンドと季節サイクルの姿がより明確になります。データは月次なので、季節性は12期間と推測しますが、必ずしも常にそうとは限りません。
搾乳量の時系列は、DataFrame milk_production に読み込まれており、あなたの環境で利用できます。
この演習はコースの一部です
Pythonで学ぶARIMAモデル
演習の手順
statsmodels.tsa.seasonalからseasonal_decompose()関数をインポートします。- 加法モデルを用い、期間を12か月として、
milk_productionの'pounds_per_cow'列を分解します。 - 分解結果をプロットします。
実践的なインタラクティブ演習
このサンプルコードを完成させて、この演習に挑戦してみましょう。
# Import seasonal decompose
from ____ import ____
# Perform additive decomposition
decomp = seasonal_decompose(___,
period=____)
# Plot decomposition
____
plt.show()