Grafice de diagnosticare
Este important să știi când trebuie să iei totul de la capăt în proiectarea unui model. În acest exercițiu vei folosi 4 grafice uzuale pentru a decide dacă un model se potrivește bine unor date.
Iată un rezumat al ce ar trebui să observi în fiecare grafic pentru un model care se potrivește bine:
| Test | Potrivire bună |
|---|---|
| Reziduuri standardizate | Nu există tipare evidente în reziduuri |
| Histogramă cu estimare KDE | Curba KDE ar trebui să fie foarte similară cu distribuția normală |
| Normal Q-Q | Majoritatea punctelor de date ar trebui să se afle pe linia dreaptă |
| Corelogramă | 95% dintre corelații pentru lag mai mare decât zero nu ar trebui să fie semnificative |
O serie de timp necunoscută df și clasa de modele ARIMA sunt disponibile în mediul tău de lucru.
Acest exercițiu face parte din cursul
Modele ARIMA în Python
Exercițiu interactiv practic
Încearcă acest exercițiu completând acest cod de exemplu.
# Create and fit model
model = ARIMA(df, order=(____))
results = model.fit()
# Create the 4 diagnostics plots
____
plt.show()