1. 학습
    2. /
  2. 강의
    3. /
  3. Python으로 배우는 ARIMA 모델
Connected

연습 문제

SARIMA vs ARIMA 예측

이 연습 문제에서는 계절형 시계열을 예측할 때 ARIMA 대신 SARIMA 모델을 사용하면 어떤 차이가 나는지 확인해 보겠습니다.

두 가지 모델, ARIMA(3,1,2)와 SARIMA(0,1,1)(1,1,1)$_{12}$가 위스콘신 고용 시계열에 적합되어 있습니다. 이 둘은 AIC 기준으로 각각 가장 우수한 ARIMA 모델과 SARIMA 모델입니다.

이제 이 두 모델로 향후 25개월에 대한 동적 예측을 수행하고, 같은 기간의 홀드아웃 데이터인 wisconsin_test와 함께 예측치를 그려 보겠습니다.

적합된 ARIMA 결과 객체와 SARIMA 결과 객체는 각각 arima_results, sarima_results라는 이름으로 환경에 준비되어 있습니다.

지침

100 XP
  • 학습 데이터의 끝 이후 다음 25단계를 예측하기 위해 ARIMA 모델의 예측 객체 arima_pred를 생성하세요.
  • arima_pred에서 .predicted_mean 속성을 추출해 arima_mean에 할당하세요.
  • 위의 두 단계를 SARIMA 모델에도 똑같이 수행하세요.
  • SARIMA와 ARIMA 예측, 그리고 홀드아웃 데이터 wisconsin_test를 함께 시각화하세요.