계절 ACF와 PACF
아래는 런던의 예상 상수도 소비자 수를 보여 주는 시계열입니다. 눈으로 보기에는 뚜렷한 계절성이 보이지 않지만, 눈만이 최고의 도구는 아닙니다.
이번 연습에서는 ACF와 PACF를 사용해 이 데이터의 계절성을 점검해 보겠습니다. 위 그래프에서 시계열이 정상성이 없어 보이므로, 추세를 제거하는 것이 좋습니다. 이동평균을 빼는 방식으로 추세를 제거할 거예요. 가능한 주기보다 큰 어떤 값이든 창(window) 크기로 사용할 수 있다는 점을 기억하세요.
plot_acf() 함수는 이미 임포트되어 있고, 시계열은 water로 불러와져 있습니다.
이 연습은 강의의 일부입니다
Python으로 배우는 ARIMA 모델
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# Create figure and subplot
fig, ax1 = plt.subplots()
# Plot the ACF on ax1
plot_acf(____, ____, zero=False, ax=ax1)
# Show figure
plt.show()