การหาผลต่าง
ในแบบฝึกหัดนี้ คุณจะเตรียมอนุกรมเวลาของประชากรในเมืองแห่งหนึ่งเพื่อนำไปสร้างโมเดล หากสามารถพยากรณ์อัตราการเติบโตของเมืองได้ ก็จะช่วยให้วางแผนและพัฒนาโครงสร้างพื้นฐานที่เมืองต้องการในอนาคตได้ ซึ่งเป็นการใช้งบประมาณสาธารณะอย่างมีประสิทธิภาพในระยะยาว ในกรณีนี้อนุกรมเวลาเป็นข้อมูลสมมติ แต่เหมาะสำหรับการฝึกฝนเป็นอย่างมาก
คุณจะทดสอบความ Stationarity ด้วยสายตาและใช้การทดสอบ Augmented Dickey-Fuller จากนั้นหาผลต่างเพื่อทำให้ชุดข้อมูลมีสภาพ Stationary
ได้โหลด DataFrame ของอนุกรมเวลาให้แล้วในชื่อ city และนำเข้าฟังก์ชัน adfuller() ไว้เรียบร้อยแล้ว
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
ARIMA Models ใน Python
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
# Run the ADF test on the time series
result = ____(____)
# Plot the time series
fig, ax = plt.subplots()
city.plot(ax=ax)
plt.show()
# Print the test statistic and the p-value
print('ADF Statistic:', ____)
print('p-value:', ____)