診断プロットを描く
モデル設計で、いったん原点に立ち返るべきタイミングを知ることは大切です。この演習では、代表的な4種類のプロットを使って、あるモデルがデータに適合しているかを判断します。
よく適合しているモデルについて、各プロットで確認したいポイントをまとめます。
| Test | Good fit |
|---|---|
| Standardized residual | 残差に明確なパターンが見られない |
| Histogram plus kde estimate | KDE 曲線が正規分布に非常によく似ている |
| Normal Q-Q | ほとんどの点が一直線上に並ぶ |
| Correlogram | ラグが 0 を超える相関の 95% が有意でない |
未知の時系列 df と ARIMA クラスは、環境内で利用可能です.-
この演習はコースの一部です
Pythonで学ぶARIMAモデル
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。
# Create and fit model
model = ARIMA(df, order=(____))
results = model.fit()
# Create the 4 diagnostics plots
____
plt.show()