เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

การวิเคราะห์วินิจฉัยโมเดล SARIMA

โดยปกติขั้นตอนถัดไปคือการหาอันดับของการ differencing และอันดับโมเดลอื่น ๆ แต่คราวนี้ได้ดำเนินการไว้ให้แล้ว โดย time series นี้เหมาะกับโมเดล SARIMA(1, 1, 1)(0, 1, 1)\(_{12}\) ที่มีค่าคงที่เพิ่มเติม

ในแบบฝึกหัดนี้ คุณจะตรวจสอบว่าโมเดลนี้ดีเพียงพอหรือไม่ โดยการ fit โมเดลด้วยคลาส SARIMAX แล้วดำเนินการวินิจฉัยโมเดลตามขั้นตอนปกติ

DataFrame co2 และคลาสโมเดล SARIMAX พร้อมใช้งานในสภาพแวดล้อมของคุณแล้ว

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

ARIMA Models ใน Python

ดูคอร์ส

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# Import model class
from ____ import ___ 

# Create model object
model = SARIMAX(____, 
                order=____, 
                seasonal_order=____, 
)
# Fit model
results = model.fit()
แก้ไขและรันโค้ด