Dynamische voorspellingen plotten
Tijd om je voorspellingen te plotten. Onthoud: bij dynamische voorspellingen laat je model de voorspellingen lopen zonder tussentijdse correcties, in tegenstelling tot de één-stap-vooruit-voorspellingen. Dat is alsof je nu een verwachting maakt voor de komende 30 dagen en dan afwacht wat er gebeurt voordat je vergelijkt hoe goed je voorspellingen waren.
De DataFrames lower_limits, upper_limits en amazon, evenals je gemiddelde voorspellingen 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
Oefeninstructies
- Plot de
amazon-gegevens met de datums in de index van deze DataFrame als x-coördinaten en de waarden als y-coördinaten. - Plot de
mean_forecast-voorspellingen op dezelfde manier. - Plot een gearceerd gebied tussen
lower_limitsenupper_limitsvan je betrouwbaarheidsinterval. Gebruik de index van een van deze DataFrames 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 forecast
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()