1. 学ぶ
    2. /
  2. コース
    3. /
  3. Pythonで学ぶ時系列解析
Connected

演習

どの ARMA モデルが最適？

第3章で学んだとおり、赤池情報量規準（AIC）はパラメータ数が異なるモデルを比較するために使えます。あてはまりの良さを測りつつ、パラメータが多いモデルには過学習を避けるためのペナルティを与えます。AIC は値が低いほど良いモデルです。

AIC を基準に、気温データに AR(1)、AR(2)、ARMA(1,1) を当てはめ、どのモデルが最も適合しているかを確認しましょう。AR(2) と ARMA(1,1) は、AR(1) よりパラメータが1つ多いモデルです。

年間の気温変化は DataFrame chg_temp に入っています。

指示

100 XP
  • 各 ARMA モデルについて、ARIMA クラスのインスタンスを作成し、データと order=(p,d,q) を渡します。p は自己回帰の次数、q は移動平均の次数、d は系列を差分化した回数です。
  • メソッド .fit() を使ってモデルを学習します。
  • 結果オブジェクトの .aic 要素にある AIC の値を出力します。