1. Nauka
    2. /
  2. Kursy
    3. /
  3. Modele ARIMA w Pythonie
Connected

ćwiczenie

Wstęp do dopasowywania modeli

Świetnie, rozumiesz już kolejność modelu! To kluczowa wiedza przy dopasowywaniu modeli. Niezależnie od danych, zawsze musisz wybrać rząd modelu, który do nich pasujesz.

W tym ćwiczeniu wykonasz podstawowe dopasowanie. To kolejny ważny krok na drodze do tworzenia prognoz. Wrócimy do tego szerzej w następnym rozdziale, ale zacznijmy już teraz.

Przykładowe dane ARMA(1,1) zostały wygenerowane i są dostępne w twoim środowisku jako y. Mogą one reprezentować natężenie ruchu drogowego. Prognozy na ich podstawie mogłyby pomóc sugerować kierowcom najbardziej efektywne trasy.

Instrukcje

100 XP
  • Zaimportuj klasę modelu ARIMA z podmodułu statsmodels.tsa.arima.model.
  • Utwórz obiekt modelu, przekazując mu szereg czasowy y oraz rząd modelu (1,0,1). Przypisz go do zmiennej model.
  • Użyj metody .fit() modelu, aby dopasować go do danych.