如果自相關係數接近 0,表示相鄰觀測值之間沒有相關性。相反地,自相關係數接近 1 或 -1,分別表示相鄰觀測值之間存在強烈的正相關或負相關。
為了幫助你評估這些自相關係數的可信度,plot_acf() 函式也會回傳信賴區間(以藍色陰影區表示)。如果某個自相關係數超出信賴區間,你可以推定該自相關在統計上具有顯著性。
plot_acf()
在下方的自相關圖中,相鄰觀測值是否高度相關(亦即大於 0.5),而且在統計上顯著?
本練習屬於課程
將理論付諸實踐,立即體驗我們的互動練習
你將學會如何運用 Python 的基本繪圖工具,並為時間序列圖加上註解與自訂外觀。完成本章後,你能將任何靜態資料集轉換成具說服力的資料圖表。
在本章中,你將透過計算摘要統計並繪製聚合視圖,更深入理解你的時間序列資料。
你將超越摘要統計,學習自相關與偏自相關圖。你也會學到如何自動偵測時間序列資料中的季節性、趨勢與雜訊。
當前練習
在資料科學領域中,同時研究多個時間序列的專案相當常見。本章將示範如何一次繪製多個時間序列,以及如何發現並描述多個時間序列之間的關係。
本章將提供你練習本課程所有觀念的機會。你將視覺化美國在 2000 到 2010 年間的失業率。