진단 플롯 그리기
모델 설계를 다시 생각해야 할 때를 아는 것은 매우 중요합니다. 이 연습에서는 널리 쓰이는 4가지 플롯을 사용해 모델이 데이터에 얼마나 잘 맞는지 판단해 봅니다.
다음은 모델이 잘 맞을 때 각 플롯에서 기대되는 모습의 요약입니다:
| Test | Good fit |
|---|---|
| Standardized residual | 잔차에 뚜렷한 패턴이 보이지 않습니다 |
| Histogram plus kde estimate | KDE 곡선이 정규분포와 매우 유사해야 합니다 |
| Normal Q-Q | 대부분의 점이 직선 위에 놓여야 합니다 |
| Correlogram | 지연이 0보다 큰 상관계수의 95%가 유의하지 않아야 합니다 |
알 수 없는 시계열 df와 ARIMA 모델 클래스가 환경에 준비되어 있습니다.-
이 연습은 강의의 일부입니다
Python으로 배우는 ARIMA 모델
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# Create and fit model
model = ARIMA(df, order=(____))
results = model.fit()
# Create the 4 diagnostics plots
____
plt.show()