1. Learn
    2. /
  2. Cursuri
    3. /
  3. Modele ARIMA în Python
Connected

exercițiu

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.

Instrucțiuni 1/3

undefined XP
    1
    2
    3
  • Antrenează un model ARIMA(1,1,1) pe seria de timp df.
  • Creează cele 4 grafice de diagnosticare.