Säsongsdekompositon
En tidsserie kan ses som sammansatt av tre komponenter: trend, säsongsmönster och residualer. Det är ett användbart sätt att tänka kring data inför modelleringen. Om du känner till tidsseriens period kan du dela upp den i dessa komponenter.
I den här övningen ska du dekomponera en tidsserie som visar månatlig mjölkproduktion per ko i USA. Det ger dig en tydligare bild av både trenden och säsongscykeln. Eftersom data är månadsvis antar vi att säsongslängden kan vara 12 tidsperioder – men det är inte alltid fallet.
Tidsserien för mjölkproduktion har lästs in i DataFrame:n milk_production och finns tillgänglig i din miljö.
Den här övningen är en del av kursen
ARIMA-modeller i Python
Övningsinstruktioner
- Importera funktionen
seasonal_decompose()frånstatsmodels.tsa.seasonal. - Dekomponera kolumnen
'pounds_per_cow'imilk_productionmed en additiv modell och en period på 12 månader. - Plotta dekompositionen.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# Import seasonal decompose
from ____ import ____
# Perform additive decomposition
decomp = seasonal_decompose(___,
period=____)
# Plot decomposition
____
plt.show()