Aan de slagGa gratis aan de slag

One-step-ahead-voorspellingen plotten

Nu je je voorspellingen voor het Amazon-aandeel hebt, moet je ze plotten om te zien hoe je het hebt gedaan.

Je deed voorspellingen over de laatste 30 dagen aan beschikbare data, waarbij je steeds slechts één dag vooruit voorspelde. Door deze voorspellingen te evalueren kun je beoordelen hoe het model presteert voor de eerstvolgende dag, waarvan je het antwoord nog niet kent.

De DataFrames lower_limits, upper_limits en amazon, evenals je gemiddelde voorspelling mean_forecast die je in de vorige oefening hebt gemaakt, zijn beschikbaar in je omgeving.

Deze oefening maakt deel uit van de cursus

ARIMA-modellen in Python

Cursus bekijken

Oefeninstructies

  • Plot de amazon-data, met amazon.index als de x-coördinaten.
  • Plot de voorspelling mean_forecast op dezelfde manier, met mean_forecast.index als de x-coördinaten.
  • Plot een gearceerd gebied tussen lower_limits en upper_limits van je betrouwbaarheidsinterval. Gebruik de index van lower_limits als de x-coördinaten.

Praktische interactieve oefening

Probeer deze oefening eens door deze voorbeeldcode in te vullen.

# plot the amazon data
plt.plot(____, ____, label='observed')

# plot your mean predictions
plt.plot(____, ____, color='r', label='forecast')

# shade the area between your confidence limits
plt.____(____, ____,
		 ____, color='pink')

# set labels, legends and show plot
plt.xlabel('Date')
plt.ylabel('Amazon Stock Price - Close USD')
plt.legend()
plt.show()
Code bewerken en uitvoeren