เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

การพล็อตการพยากรณ์แบบหนึ่งก้าวล่วงหน้า

เมื่อได้ผลการพยากรณ์ราคาหุ้น Amazon แล้ว ขั้นตอนต่อไปคือการพล็อตผลลัพธ์เหล่านั้นเพื่อดูว่าโมเดลทำงานได้ดีเพียงใด

การพยากรณ์นี้ครอบคลุม 30 วันล่าสุดของข้อมูล โดยพยากรณ์ล่วงหน้าทีละหนึ่งวัน การประเมินผลการพยากรณ์จะช่วยให้วัดประสิทธิภาพของโมเดลในการคาดการณ์วันถัดไป ซึ่งเป็นช่วงเวลาที่ยังไม่ทราบคำตอบที่แท้จริง

DataFrame lower_limits, upper_limits และ amazon รวมถึงค่าพยากรณ์เฉลี่ย mean_forecast ที่สร้างไว้ในแบบฝึกหัดก่อนหน้า พร้อมใช้งานในสภาพแวดล้อมของคุณแล้ว

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

ARIMA Models ใน Python

ดูคอร์ส

คำแนะนำการฝึกหัด

  • พล็อตข้อมูล amazon โดยใช้ amazon.index เป็นพิกัด x
  • พล็อตการพยากรณ์ mean_forecast ในลักษณะเดียวกัน โดยใช้ mean_forecast.index เป็นพิกัด x
  • พล็อตพื้นที่แรเงาระหว่าง lower_limits และ upper_limits ของช่วงความเชื่อมั่น โดยใช้ index ของ lower_limits เป็นพิกัด x

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

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

# plot your mean predictions
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()
แก้ไขและรันโค้ด