1. Learn
    2. /
  2. Курси
    3. /
  3. Моделі ARIMA в Python
Connected

Вправа

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.

Інструкції

100 XP
  • 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.