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

Bài tập

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.-

Hướng dẫn 1/3

undefined XP
    1
    2
    3
  • Fit mô hình ARIMA(1,1,1) cho chuỗi thời gian df.
  • Tạo 4 biểu đồ chẩn đoán.