เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

การแยกองค์ประกอบตามฤดูกาล

เราสามารถมองอนุกรมเวลาว่าประกอบด้วยสามส่วนหลัก ได้แก่ แนวโน้ม (trend) องค์ประกอบตามฤดูกาล (seasonal) และส่วนที่เหลือ (residual) แนวคิดนี้จะช่วยให้เข้าใจข้อมูลได้ดีขึ้นก่อนนำไปสร้างโมเดล หากทราบคาบ (period) ของอนุกรมเวลา ก็สามารถแยกข้อมูลออกเป็นองค์ประกอบเหล่านี้ได้

ในแบบฝึกหัดนี้ จะแยกองค์ประกอบของอนุกรมเวลาที่แสดงปริมาณการผลิตนมต่อแม่วัวรายเดือนในสหรัฐอเมริกา เพื่อให้เห็นภาพแนวโน้มและวัฏจักรตามฤดูกาลได้ชัดเจนยิ่งขึ้น เนื่องจากข้อมูลเป็นรายเดือน จึงสันนิษฐานว่าความเป็นฤดูกาลอาจอยู่ที่ 12 ช่วงเวลา อย่างไรก็ตาม ในกรณีอื่นอาจไม่ใช่เสมอไป

อนุกรมเวลาของการผลิตนมถูกโหลดไว้ใน DataFrame ชื่อ milk_production และพร้อมใช้งานในสภาพแวดล้อมของคุณแล้ว

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

ARIMA Models ใน Python

ดูคอร์ส

คำแนะนำการฝึกหัด

  • Import ฟังก์ชัน seasonal_decompose() จาก statsmodels.tsa.seasonal
  • แยกองค์ประกอบคอลัมน์ 'pounds_per_cow' ของ milk_production โดยใช้โมเดลแบบ additive และกำหนด period เป็น 12 เดือน
  • พล็อตผลการแยกองค์ประกอบ

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# Import seasonal decompose
from ____ import ____

# Perform additive decomposition
decomp = seasonal_decompose(___, 
                            period=____)

# Plot decomposition
____
plt.show()
แก้ไขและรันโค้ด