ćwiczenie

Prognozowanie ARIMA

Zanim zbudujemy model ensemble, potrzebujemy rzeczywistej prognozy szeregu czasowego dla popytu – po to, żeby uśrednić prognozy. Obiekt danych treningowych MET_hi jest zapisany w twoim środowisku pracy, podobnie jak dane walidacyjne MET_hi_v.

Instrukcje 1/2

undefined XP

1

2

Zbuduj model ARIMA dla MET_hi, korzystając z funkcji auto.arima.
Wykonaj prognozę tego modelu na długość zbioru danych walidacyjnych.

.css-6su6fj{-webkit-flex-shrink:0;-ms-flex-negative:0;flex-shrink:0;}ćwiczenie

Instrukcje 1/2

ćwiczenie