Bắt đầu ngayBắt đầu miễn phí

So sánh dự báo SARIMA và ARIMA

Trong bài tập này, bạn sẽ thấy tác động của việc dùng mô hình SARIMA thay vì ARIMA đối với dự báo cho chuỗi thời gian có tính mùa vụ.

Hai mô hình, ARIMA(3,1,2) và SARIMA(0,1,1)(1,1,1)\(_{12}\), đã được fit cho chuỗi thời gian việc làm ở Wisconsin. Theo AIC, đây là mô hình ARIMA tốt nhất và mô hình SARIMA tốt nhất hiện có.

Trong bài tập, bạn sẽ dùng hai mô hình này để tạo dự báo động cho 25 tháng tới và vẽ các dự báo này cùng với dữ liệu được để riêng trong giai đoạn đó, wisconsin_test.

Đối tượng kết quả ARIMA đã fit và đối tượng kết quả SARIMA đã fit có sẵn trong môi trường của bạn với tên arima_results và sarima_results.

Bài tập này là một phần của khóa học

Mô hình ARIMA với Python

Xem khóa học

Hướng dẫn bài tập

  • Tạo một đối tượng dự báo cho mô hình ARIMA, đặt tên là arima_pred, để dự báo 25 bước tiếp theo sau khi kết thúc dữ liệu huấn luyện.
  • Trích xuất thuộc tính .predicted_mean từ arima_pred và gán cho arima_mean.
  • Lặp lại hai bước trên cho mô hình SARIMA.
  • Vẽ đồ thị dự báo của SARIMA và ARIMA cùng với dữ liệu để riêng wisconsin_test.

Bài tập tương tác thực hành trực tiếp

Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.

# Create ARIMA mean forecast
arima_pred = arima_results.____
arima_mean = arima_pred.____

# Create SARIMA mean forecast
sarima_pred = sarima_results.____
sarima_mean = ____

# Plot mean ARIMA and SARIMA predictions and observed
plt.plot(dates, sarima_mean, label='SARIMA')
plt.plot(dates, arima_mean, label='ARIMA')
plt.plot(wisconsin_test, label='observed')
plt.legend()
plt.show()
Chỉnh sửa và Chạy Mã