Bir AR Modeliyle Tahminleme
Son egzersizde yaptığın gibi bir modelin parametrelerini tahmin etmenin yanı sıra, statsmodels kullanarak örnek içi (in-sample) ve örnek dışı (out-of-sample) tahminler de yapabilirsin. Örnek içi tahmin, o ana kadarki verileri kullanarak bir sonraki veri noktasını tahmin eder; örnek dışı ise gelecekteki herhangi bir sayıda veri noktasını tahmin eder. Tahmin edilen verileri plot_predict() fonksiyonuyla görselleştirebilirsin. Bu fonksiyona tahminin başlangıç ve bitiş noktalarını verirsin; bitiş noktası veri kümesinin sonrasındaki herhangi bir nokta olabilir.
simulated_data_1 DataFrame’indeki, \(\small \phi=0.9\) olan benzetilmiş veriler için, örnek dışı tahminleri ve bu tahminlerin etrafındaki güven aralıklarını çizeceksin.
Bu egzersiz
Python ile Zaman Serisi Analizi
kursunun bir parçasıdırEgzersiz talimatları
ARIMAsınıfını veplot_predictfonksiyonunu içe aktarsimulated_data_1DataFrame’indeki benzetilmiş verileri ve modelin (p,d,q) sırasını (bu durumda bir AR(1) için)order=(1,0,0)kullanarakARIMAsınıfındanmodadlı bir örnek oluştur.fit()yöntemiylemodmodelini eğit ve sonuçlarıresadlı bir sonuç nesnesine kaydet- Örnek içi veriyi 950. veri noktasından başlayarak çiz
- Veriler 1000. noktada bittiği yerden başlayıp 1010. noktada bitecek şekilde,
plot_predict()fonksiyonunu kullanarak verinin örnek dışı tahminlerini ve güven aralıklarını çiz
Uygulamalı interaktif egzersiz
Bu örnek kodu tamamlayarak bu egzersizi bitirin.
# Import the ARIMA and plot_predict from statsmodels
from statsmodels.tsa.arima.model import ARIMA
from statsmodels.graphics.tsaplots import plot_predict
# Forecast the first AR(1) model
mod = ARIMA(___, order=___)
res = mod.fit()
# Plot the data and the forecast
fig, ax = plt.subplots()
simulated_data_1.loc[950:].plot(ax=ax)
plot_predict(res, start=___, end=___, ax=ax)
plt.show()