Autocorrelation ในข้อมูลอนุกรมเวลา
ในการวิเคราะห์อนุกรมเวลา autocorrelation หมายถึงค่าสหสัมพันธ์ระหว่างอนุกรมเวลากับค่าของตัวเองที่ถูกเลื่อนออกไปในเวลา ตัวอย่างเช่น autocorrelation ที่ order 3 จะคืนค่าสหสัมพันธ์ระหว่างอนุกรมเวลากับค่าของตัวเองที่ถูกเลื่อนออกไป 3 จุดเวลา
การใช้กราฟ autocorrelation (ACF) หรือที่รู้จักในชื่อ self-autocorrelation เป็นวิธีที่นิยมใช้เพื่อแสดงภาพ autocorrelation ของอนุกรมเวลา ฟังก์ชัน plot_acf() ในไลบรารี statsmodels ช่วยให้วัดค่าและพล็อตกราฟ autocorrelation ของอนุกรมเวลาได้
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
การแสดงภาพข้อมูล Time Series ด้วย Python
คำแนะนำการฝึกหัด
- Import
tsaplotsจากstatsmodels.graphics - ใช้ฟังก์ชัน
plot_acf()จากtsaplotsเพื่อพล็อต autocorrelation ของคอลัมน์'co2'ในco2_levels - ระบุค่า lag สูงสุดที่ 24
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
# Import required libraries
import matplotlib.pyplot as plt
plt.style.use('fivethirtyeight')
from ____ import ____
# Display the autocorrelation plot of your time series
fig = ____(co2_levels[____], lags=____)
# Show plot
plt.show()