НачатьНачать бесплатно

Сравнение прогнозов SARIMA и ARIMA

В этом упражнении вы увидите, как использование модели SARIMA вместо ARIMA влияет на прогнозы сезонных временных рядов.

Две модели — ARIMA(3,1,2) и SARIMA(0,1,1)(1,1,1)\(_{12}\) — были подобраны для временного ряда занятости в Висконсине. Это лучшие модели ARIMA и SARIMA соответственно по критерию AIC.

В упражнении вы используете эти две модели для построения динамического прогноза на 25 месяцев вперёд и отобразите предсказания вместе с отложенными данными за этот период — wisconsin_test.

Подобранные объекты результатов ARIMA и SARIMA доступны в вашем окружении как arima_results и sarima_results.

Это упражнение является частью курса

Модели ARIMA в Python

Посмотреть курс

Инструкции к упражнению

  • Создайте объект прогноза с именем arima_pred для модели ARIMA, чтобы спрогнозировать следующие 25 шагов после окончания обучающих данных.
  • Извлеките атрибут .predicted_mean из arima_pred и присвойте его переменной arima_mean.
  • Повторите те же два шага для модели SARIMA.
  • Постройте графики прогнозов SARIMA и ARIMA, а также отложенных данных wisconsin_test.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# 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()
Редактировать и запускать код