擬合前奏
很好，你已經理解模型的階數！在擬合模型時，理解階數非常重要。無論資料是什麼，你都需要選擇要對資料擬合的模型階數。
在這個練習中，你會做一些基本的擬合。擬合模型是邁向做出預測的下一個關鍵步驟。我們會在下一章更深入說明，但先讓你暖身一下。
環境中已建立一些 ARMA(1,1) 的範例資料，變數名稱為 y。這些資料可以代表交通壅塞的程度。你可以用它的預測結果為駕駛建議更有效率的路線。
本練習屬於課程
Python 中的 ARIMA 模型
練習說明
- 從
statsmodels.tsa.arima.model子模組匯入ARIMA模型類別。 - 建立一個模型物件，將時間序列
y與模型階數(1,0,1)傳入。把它指定給變數model。 - 使用模型的
.fit()方法對資料進行擬合。
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
# Import the ARIMA model
from ____ import ____
# Instantiate the model
model = ____(____, order=____)
# Fit the model
results = ____