การเลือก Order ของ SARIMA
ในแบบฝึกหัดนี้ คุณจะหา Order ของโมเดลที่เหมาะสมสำหรับชุดอนุกรมเวลาชุดใหม่ ซึ่งเป็นข้อมูลรายเดือนของจำนวนผู้มีงานทำในออสเตรเลีย (หน่วย: พันคน) โดยมี Seasonal Period เท่ากับ 12 เดือน
คุณจะสร้างกราฟ ACF และ PACF ทั้งแบบ Non-Seasonal และ Seasonal แล้วใช้ตารางด้านล่างในการเลือก Order ของโมเดลที่เหมาะสม
| AR(p) | MA(q) | ARMA(p,q) | |
|---|---|---|---|
| ACF | Tails off | Cuts off after lag q | Tails off |
| PACF | Cuts off after lag p | Tails off | Tails off |
DataFrame aus_employment และฟังก์ชัน plot_acf() กับ plot_pacf() พร้อมใช้งานในสภาพแวดล้อมของคุณแล้ว
หมายเหตุ: สามารถนำ Difference หลายลำดับมาใช้ต่อกันกับ DataFrame ได้โดยใช้ df.diff(n1).diff(n2)
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
ARIMA Models ใน Python
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
# Take the first and seasonal differences and drop NaNs
aus_employment_diff = ____