1. Học hỏi
    2. /
  2. Khoa Học
    3. /
  3. Phân tích chuỗi thời gian với Python
Connected

Bài tập

ARMA nào phù hợp nhất?

Nhắc lại từ Chương 3: Akaike Information Criterion (AIC) có thể dùng để so sánh các mô hình với số lượng tham số khác nhau. Thước đo này phản ánh độ phù hợp của mô hình, đồng thời phạt các mô hình có quá nhiều tham số để tránh overfitting. AIC càng thấp càng tốt.

Hãy fit dữ liệu nhiệt độ với các mô hình AR(1), AR(2) và ARMA(1,1), rồi dùng tiêu chí AIC để xem mô hình nào khớp tốt nhất. Lưu ý AR(2) và ARMA(1,1) có nhiều hơn AR(1) một tham số.

Chuỗi biến thiên nhiệt độ theo năm nằm trong DataFrame chg_temp.

Hướng dẫn

100 XP
  • Với mỗi mô hình ARMA, tạo một instance của lớp ARIMA, truyền dữ liệu và order=(p,d,q). p là bậc tự hồi quy (autoregressive); q là bậc bình quân trượt (moving average); d là số lần bạn đã sai phân chuỗi.
  • Fit mô hình bằng phương thức .fit().
  • In giá trị AIC, có trong thuộc tính .aic của kết quả.