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

ćwiczenie

Dekompozycja sezonowa

Szereg czasowy można traktować jako złożony z trzech składowych: trendu, sezonowości i reszt. Takie podejście ułatwia zrozumienie danych przed przystąpieniem do modelowania. Jeśli znasz okres szeregu czasowego, możesz go rozłożyć na te składowe.

W tym ćwiczeniu przeprowadzisz dekompozycję szeregu czasowego przedstawiającego miesięczną produkcję mleka na krowę w USA. Pozwoli ci to lepiej zobaczyć zarówno trend, jak i cykl sezonowy. Ponieważ dane są miesięczne, możesz założyć, że sezonowość wynosi 12 okresów – choć nie zawsze tak będzie.

Szeregczasowy dotyczący produkcji mleka został wczytany do ramki danych milk_production i jest dostępny w twoim środowisku.

Instrukcje

100 XP
  • Zaimportuj funkcję seasonal_decompose() z statsmodels.tsa.seasonal.
  • Przeprowadź dekompozycję kolumny 'pounds_per_cow' z ramki danych milk_production, używając modelu addytywnego z okresem 12 miesięcy.
  • Narysuj wykres dekompozycji.