ПочатиПочніть безкоштовно

Початок підгонки

Чудово, ви розумієте порядок моделі! Розуміння порядку важливе під час підгонки моделей. Завжди потрібно обирати порядок моделі, яку ви підганяєте до своїх даних, незалежно від того, які це дані.

У цій вправі ви виконаєте базову підгонку. Підгонка моделей — це наступний ключовий крок до побудови прогнозів. Ми детальніше розглянемо це в наступному розділі, але давайте почнемо завчасно.

Деякі прикладні дані ARMA(1,1) вже створені й доступні у вашому середовищі як y. Ці дані можуть відображати рівень заторів на дорогах. Ви можете використовувати прогнози на їх основі, щоб пропонувати водіям ефективні маршрути.

Ця вправа є частиною курсу

Моделі ARIMA в Python

Переглянути курс

Інструкції до вправи

  • Імпортуйте клас моделі ARIMA із підмодуля statsmodels.tsa.arima.model.
  • Створіть об'єкт моделі, передавши йому часовий ряд y та порядок моделі (1,0,1). Присвойте його змінній model.
  • Використайте метод моделі .fit(), щоб підганяти її до даних.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# Import the ARIMA model
from ____ import ____

# Instantiate the model
model = ____(____, order=____)

# Fit the model
results = ____
Редагувати та запускати код