Diagnostik
Nu har du nått stadiet för modelldiagnostik. Hittills har du konstaterat att den ursprungliga tidsserien var stationär, men möjligen innehåller en utliggare. Du identifierade lovande modellordningar med hjälp av ACF och PACF och bekräftade dessa insikter genom att träna många modeller och använda AIC och BIC.
Du kom fram till att ARMA(1,2)-modellen passade data bäst, och nu vill du granska de prediktioner den gör innan du eventuellt driftsätter den.
Tidsserien savings har laddats in och klassen ARIMA har importerats till din miljö.
Den här övningen är en del av kursen
ARIMA-modeller i Python
Övningsinstruktioner
- Träna om ARMA(1,2)-modellen på tidsserien och sätt trenden till konstant.
- Skapa de 4 standarddiagnostikplottarna.
- Skriv ut sammanfattningsstatistiken för modellens residualer.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# Create and fit model
model = ____
results = ____
# Create the 4 diagostics plots
____
plt.show()
# Print summary
____