1. Học hỏi
    2. /
  2. Khoa Học
    3. /
  3. Mô hình ARIMA với Python
Connected

Bài tập

Tự động chọn mô hình

Gói pmdarima là một công cụ mạnh để giúp bạn chọn bậc mô hình. Bạn có thể dùng thông tin đã có từ bước nhận diện để thu hẹp các bậc mô hình được chọn bằng cách tự động hóa.

Hãy nhớ rằng, dù tự động hóa rất hữu ích, đôi khi nó có thể mắc những lỗi mà bạn thì không. Rất khó lường trước dữ liệu đầu vào có thể chưa hoàn hảo và làm ảnh hưởng đến điểm kiểm định như thế nào.

Trong bài tập này, bạn sẽ dùng gói pmdarima để tự động chọn bậc mô hình cho một số tập dữ liệu chuỗi thời gian.

Hãy cẩn thận khi đặt tham số mô hình; nếu đặt sai, phiên làm việc của bạn có thể bị hết thời gian.

Ba tập dữ liệu đã có sẵn trong môi trường của bạn là df1, df2 và df3.

Hướng dẫn 1/4

undefined XP
  • 1
    • Import gói pmdarima với bí danh pm.
  • 2
    • Mô hình hóa chuỗi thời gian df1 với chu kỳ 7 ngày, đặt sai phân theo mùa bậc một và không có sai phân không theo mùa.
  • 3
    • Tạo mô hình để fit df2. Đặt sai phân không theo mùa bằng 1, xu hướng là hằng số và không có tính mùa vụ.
  • 4
    • Fit mô hình SARIMAX(p,1,q)(P,1,Q)\(_7\) cho dữ liệu, đặt start_p, start_q, max_p, max_q, max_P và max_Q bằng 1.