ПочатиПочніть безкоштовно

AR чи MA

У цій вправі ви використаєте ACF і PACF, щоб вирішити, чи краще підійде модель MA, чи AR. Пам'ятайте: правильно обраний порядок моделі дуже впливає на якість прогнозів.

Для різних типів моделей очікуємо таку поведінку ACF і PACF:

AR(p)MA(q)ARMA(p,q)
ACFПоступово спадаєОбрізається після лаґу qПоступово спадає
PACFОбрізається після лаґу pПоступово спадаєПоступово спадає

Часовий ряд із невідомими властивостями df уже доступний у вашому середовищі.

Ця вправа є частиною курсу

Моделі ARIMA в Python

Переглянути курс

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# Import
from statsmodels.graphics.tsaplots import ____, ____

# Create figure
fig, (ax1, ax2) = plt.subplots(2,1, figsize=(12,8))
 
# Plot the ACF of df
____(____, lags=____, zero=False, ax=ax1)

# Plot the PACF of df
____(____, lags=____, zero=____, ax=ax2)

plt.show()
Редагувати та запускати код