เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

การพล็อตการพยากรณ์แบบไดนามิก

ถึงเวลาพล็อตผลการพยากรณ์แล้ว จำไว้ว่าการพยากรณ์แบบไดนามิกหมายความว่าโมเดลจะทำการพยากรณ์โดยไม่มีการปรับค่า ต่างจากการพยากรณ์แบบ one-step-ahead ซึ่งเปรียบเหมือนการพยากรณ์ล่วงหน้า 30 วัน แล้วรอดูผลที่เกิดขึ้นจริงก่อนจะเปรียบเทียบว่าการพยากรณ์แม่นยำแค่ไหน

DataFrame lower_limits, upper_limits และ amazon รวมถึงค่าพยากรณ์เฉลี่ย mean_forecast ที่สร้างไว้ในแบบฝึกหัดที่แล้ว พร้อมใช้งานในสภาพแวดล้อมของคุณแล้ว

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

ARIMA Models ใน Python

ดูคอร์ส

คำแนะนำการฝึกหัด

  • พล็อตข้อมูล amazon โดยใช้วันที่ใน index ของ DataFrame นี้เป็นพิกัด x และค่าข้อมูลเป็นพิกัด y
  • พล็อตการพยากรณ์ mean_forecast ในลักษณะเดียวกัน
  • พล็อตพื้นที่แรเงาระหว่าง lower_limits และ upper_limits ของช่วงความเชื่อมั่น โดยใช้ index ของ DataFrame ใดก็ได้เป็นพิกัด x

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# 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()
แก้ไขและรันโค้ด