Prognoze SARIMA vs. ARIMA

În acest exercițiu, vei observa efectul utilizării unui model SARIMA în locul unui model ARIMA asupra prognozelor pentru serii de timp sezoniere.

Două modele, un ARIMA(3,1,2) și un SARIMA(0,1,1)(1,1,1)\(_{12}\), au fost ajustate pe seria de timp a ocupării forței de muncă din Wisconsin. Acestea au fost cel mai bun model ARIMA și cel mai bun model SARIMA disponibile conform criteriului AIC.

În acest exercițiu, vei folosi aceste două modele pentru a realiza o prognoză dinamică pe 25 de luni și vei reprezenta grafic aceste predicții alături de datele rezervate pentru această perioadă, wisconsin_test.

Obiectul cu rezultatele ARIMA ajustate și obiectul cu rezultatele SARIMA ajustate sunt disponibile în mediul tău ca arima_results și sarima_results.

Acest exercițiu face parte din cursul

Modele ARIMA în Python

Vezi cursul

Instrucțiuni pentru exercițiu

Creează un obiect de prognoză, numit arima_pred, pentru modelul ARIMA, care să prognozeze următorii 25 de pași după sfârșitul datelor de antrenament.
Extrage atributul .predicted_mean al prognozei din arima_pred și atribuie-l variabilei arima_mean.
Repetă cei doi pași de mai sus pentru modelul SARIMA.
Reprezintă grafic prognozele SARIMA și ARIMA împreună cu datele rezervate wisconsin_test.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# Create ARIMA mean forecast
arima_pred = arima_results.____
arima_mean = arima_pred.____

# Create SARIMA mean forecast
sarima_pred = sarima_results.____
sarima_mean = ____

# Plot mean ARIMA and SARIMA predictions and observed
plt.plot(dates, sarima_mean, label='SARIMA')
plt.plot(dates, arima_mean, label='ARIMA')
plt.plot(wisconsin_test, label='observed')
plt.legend()
plt.show()

Editează și rulează codul