Kom igångKom igång gratis

Visualisera dynamiska prognoser

Dags att visualisera dina prediktioner. Kom ihåg att dynamiska prediktioner innebär att modellen gör förutsägelser utan korrigeringar längs vägen – till skillnad från ett-stegs-framåt-prediktioner. Det liknar att göra en prognos idag för de kommande 30 dagarna och sedan vänta för att se hur väl den stämmer.

DataFrames lower_limits, upper_limits och amazon samt dina medelprediktion mean_forecast som du skapade i föregående övning finns tillgängliga i din miljö.

Den här övningen är en del av kursen

ARIMA-modeller i Python

Visa kurs

Övningsinstruktioner

  • Plotta amazon-datan med datumen i indexet för denna DataFrame som x-koordinater och värdena som y-koordinater.
  • Plotta mean_forecast-prediktionerna på samma sätt.
  • Rita ett skuggat område mellan lower_limits och upper_limits för ditt konfidensintervall. Använd indexet från en av dessa DataFrames som x-koordinater.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# plot the amazon data
plt.plot(____, ____, label='observed')

# plot your mean forecast
plt.plot(____, ____, color='r', label='forecast')

# shade the area between your confidence limits
plt.____(____, ____, 
         ____, color='pink')

# set labels, legends and show plot
plt.xlabel('Date')
plt.ylabel('Amazon Stock Price - Close USD')
plt.legend()
plt.show()
Redigera och kör kod