ПочатиПочніть безкоштовно

Діагностика

Ви дійшли до етапу діагностики моделі. Дотепер ви з'ясували, що початковий часовий ряд стаціонарний, але може мати одну викидну точку. Ви визначили перспективні порядки моделі за допомогою ACF і PACF та підтвердили ці висновки, навчивши багато моделей і використавши AIC і BIC.

Ви виявили, що модель ARMA(1,2) найкраще підходить до наших даних, і тепер хочете перевірити її прогнози, перш ніж переносити модель у промислову експлуатацію.

Часовий ряд savings вже завантажено, а клас ARIMA імпортовано у ваше середовище.

Ця вправа є частиною курсу

Моделі ARIMA в Python

Переглянути курс

Інструкції до вправи

  • Перенавчіть модель ARMA(1,2) на часовому ряді, задавши тренд як сталу.
  • Створіть 4 стандартні діагностичні графіки.
  • Виведіть зведену статистику залишків моделі.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# Create and fit model
model = ____
results = ____

# Create the 4 diagostics plots
____
plt.show()

# Print summary
____
Редагувати та запускати код