始める無料で始める

AIC・BIC と ACF・PACF の比較

この演習では、地震の時系列に対して AIC と BIC による次数探索を行います。前のレッスンでは、このデータセットは AR(1) 過程のようだと判断しました。ここではパラメータのグリッドサーチを行い、同じ結論になるかを確認します。以下にこのデータセットの ACF と PACF のプロットを示します。

<\center>

ARIMA モデルクラスと、時系列の DataFrame earthquake は環境に用意されています。

この演習はコースの一部です

Pythonで学ぶARIMAモデル

コースを見る

演習の手順

  • p と q を 0 から 2 の範囲でループします。
  • ループ内で、各反復において earthquake に ARMA(p, q) を try で当てはめてください。
  • 各ループで、AIC と BIC をそれぞれ p と q と並べて表示します。
  • もし学習に失敗した場合は、p、q、None、None を表示してください。

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。

# Loop over p values from 0-2
for p in ____:
    # Loop over q values from 0-2
    for q in ____:
      
        try:
            # create and fit ARMA(p,q) model
            model = ____
            results = model.____
            
            # Print order and results
            print(p, q, ____, ____)
            
        except:
            print(p, q, ____, ____)
コードを編集して実行