Teşhis grafikleri
Model tasarımında ne zaman başa dönmen gerektiğini bilmek önemlidir. Bu egzersizde, bir modelin bazı verilere iyi uyup uymadığını anlamak için 4 yaygın grafiği kullanacaksın.
İyi uyum sağlayan bir model için her grafikte görmek istediğin şeylerin kısa bir özeti burada:
| Test | İyi uyum |
|---|---|
| Standartlaştırılmış artıklar | Artıklarda bariz bir desen olmamalı |
| Histogram ve KDE kestirimi | KDE eğrisi normal dağılıma çok benzemeli |
| Normal Q-Q | Veri noktalarının çoğu düz çizgi üzerinde yer almalı |
| Korrelogram | Sıfırdan büyük gecikmeler için korelasyonların %95'i anlamlı olmamalı |
Bilinmeyen bir zaman serisi df ve ARIMA model sınıfı çalışma ortamında hazır.-
Bu egzersiz
Python'da ARIMA Modelleri
kursunun bir parçasıdırUygulamalı interaktif egzersiz
Bu örnek kodu tamamlayarak bu egzersizi bitirin.
# Create and fit model
model = ARIMA(df, order=(____))
results = model.fit()
# Create the 4 diagnostics plots
____
plt.show()