เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

การประมาณค่า

ในแบบฝึกหัดที่แล้ว ผลจาก ACF และ PACF ยังไม่ชี้ชัดเพียงพอ ผลลัพธ์บ่งบอกว่าข้อมูลอาจเป็นโมเดล ARMA(p,q) หรืออาจเป็นโมเดล AR(3) ที่ไม่สมบูรณ์ก็ได้ ในแบบฝึกหัดนี้ จะค้นหาโมเดลในหลายลำดับเพื่อหาโมเดลที่ดีที่สุดตามเกณฑ์ AIC

Time series savings ถูกโหลดไว้แล้ว และคลาส ARIMA ถูก import เข้ามาในสภาพแวดล้อมของคุณเรียบร้อยแล้ว

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

ARIMA Models ใน Python

ดูคอร์ส

คำแนะนำการฝึกหัด

  • วนลูปค่า p ตั้งแต่ 0 ถึง 3 และค่า q ตั้งแต่ 0 ถึง 3
  • ภายในลูป ให้สร้างโมเดล ARMA(p,q)
  • จากนั้นฟิตโมเดลกับ time series savings
  • ในแต่ละรอบของลูป ให้แสดงค่า p และ q พร้อมทั้งค่า AIC และ BIC

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# Loop over p values from 0-3
for p in ____:
  
  # Loop over q values from 0-3
    for q in ____:
      try:
        # Create and fit ARMA(p,q) model
        model = ____(____, order=____)
        results = ____
        
        # Print p, q, AIC, BIC
        print(____)
        
      except:
        print(p, q, None, None)
แก้ไขและรันโค้ด