Vẽ biểu đồ chẩn đoán
Điều quan trọng là biết khi nào bạn cần quay lại thiết kế mô hình từ đầu. Trong bài tập này, bạn sẽ dùng 4 biểu đồ phổ biến để quyết định liệu một mô hình có phù hợp với dữ liệu hay không.
Dưới đây là phần nhắc lại về những gì bạn muốn thấy trong mỗi biểu đồ nếu mô hình khớp tốt:
| Bài kiểm tra | Khớp tốt |
|---|---|
| Phần dư đã chuẩn hóa | Không có mẫu hình rõ ràng trong phần dư |
| Histogram kèm ước lượng KDE | Đường cong KDE nên rất giống với phân phối chuẩn |
| Normal Q-Q | Phần lớn các điểm dữ liệu nằm trên đường thẳng |
| Correlogram | 95% tương quan tại các độ trễ lớn hơn 0 không có ý nghĩa thống kê |
Một chuỗi thời gian df chưa biết và lớp mô hình ARIMA đã có sẵn trong môi trường của bạn.-
Bài tập này là một phần của khóa học
Mô hình ARIMA với Python
Bài tập tương tác thực hành trực tiếp
Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.
# Create and fit model
model = ARIMA(df, order=(____))
results = model.fit()
# Create the 4 diagnostics plots
____
plt.show()