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

ćwiczenie

Prognozy SARIMA vs ARIMA

W tym ćwiczeniu zobaczysz, jaki wpływ na prognozy sezonowych szeregów czasowych ma wybór modelu SARIMA zamiast ARIMA.

Do szeregu czasowego zatrudnienia w Wisconsin dopasowano dwa modele: ARIMA(3,1,2) oraz SARIMA(0,1,1)(1,1,1)\(_{12}\). Były to najlepsze dostępne modele odpowiednio klasy ARIMA i SARIMA według kryterium AIC.

W ćwiczeniu użyjesz tych dwóch modeli, aby wykonać dynamiczną prognozę na 25 miesięcy do przodu, a następnie porównasz te prognozy z danymi testowymi dla tego okresu – wisconsin_test.

Dopasowane obiekty wyników ARIMA i SARIMA są dostępne w twoim środowisku jako arima_results i sarima_results.

Instrukcje

100 XP
  • Utwórz obiekt prognozy o nazwie arima_pred dla modelu ARIMA, prognozując kolejne 25 kroków po końcu danych treningowych.
  • Wyodrębnij atrybut .predicted_mean z arima_pred i przypisz go do zmiennej arima_mean.
  • Powtórz powyższe dwa kroki dla modelu SARIMA.
  • Wykreśl prognozy SARIMA i ARIMA wraz z danymi testowymi wisconsin_test.