Diagnosticare
Ai ajuns la etapa de diagnosticare a modelului. Până acum ai descoperit că seria de timp inițială era staționară, dar poate conține un punct atipic. Ai identificat ordinele promițătoare ale modelului folosind ACF și PACF, iar aceste concluzii au fost confirmate prin antrenarea mai multor modele și utilizarea AIC și BIC.
Ai constatat că modelul ARMA(1,2) se potrivește cel mai bine datelor noastre și acum vrei să verifici predicțiile pe care le face înainte de a-l pune în producție.
Seria de timp savings a fost încărcată, iar clasa ARIMA a fost importată în mediul tău de lucru.
Acest exercițiu face parte din cursul
Modele ARIMA în Python
Instrucțiuni pentru exercițiu
- Reantrenează modelul ARMA(1,2) pe seria de timp, setând trendul ca fiind constant.
- Creează cele 4 grafice standard de diagnosticare.
- Afișează statisticile sumare ale reziduurilor modelului.
Exercițiu interactiv practic
Încearcă acest exercițiu completând acest cod de exemplu.
# Create and fit model
model = ____
results = ____
# Create the 4 diagostics plots
____
plt.show()
# Print summary
____