1. Learn
    2. /
  2. Courses
    3. /
  3. Modele ARIMA w Pythonie
Connected

Exercise

Automatyczny dobór modelu

Pakiet pmdarima to potężne narzędzie, które pomaga w wyborze rzędów modelu. Informacje zebrane podczas etapu identyfikacji możesz wykorzystać do zawężenia zakresu przeszukiwania przed uruchomieniem automatyzacji.

Pamiętaj jednak, że choć automatyzacja jest bardzo przydatna, może popełniać błędy, których ty byś uniknął. Trudno z góry przewidzieć, w jaki sposób niedoskonałości danych wejściowych wpłyną na wyniki testów.

W tym ćwiczeniu użyjesz pakietu pmdarima, aby automatycznie dobrać rzędy modelu dla kilku szeregów czasowych.

Uważnie ustawiaj parametry modelu – nieprawidłowe wartości mogą spowodować przekroczenie limitu czasu sesji.

W środowisku dostępne są trzy zbiory danych: df1, df2 i df3.

Instructions 1/4

undefined XP
  • 1
    • Zaimportuj pakiet pmdarima pod aliasem pm.
  • 2
    • Dopasuj model do szeregu czasowego df1 z okresem 7 dni, ustawiając różnicowanie sezonowe pierwszego rzędu i brak różnicowania niesezonowego.
  • 3
    • Utwórz model dla df2. Ustaw niesezonowe różnicowanie na 1, trend jako stałą i wyłącz sezonowość.
  • 4
    • Dopasuj model SARIMAX(p,1,q)(P,1,Q)\(_7\) do danych, ustawiając parametry start_p, start_q, max_p, max_q, max_P i max_Q na 1.