绘制动态预测
是时候把预测画出来了。请记住，动态预测意味着模型在没有校正的情况下持续往前预测，这不同于一次一步（one-step-ahead）的预测。这有点像现在就对接下来的 30 天做一个预测，然后等待实际发生的情况，再去比较您的预测效果如何。
在您的环境中，已经提供了 lower_limits、upper_limits 和 amazon 这几个 DataFrame，以及您在上一个练习中创建的均值预测 mean_forecast。
本练习是课程的一部分
Python 中的 ARIMA 模型
练习说明
- 使用
amazonDataFrame 的索引作为 x 坐标、其数值作为 y 坐标来绘制amazon数据。 - 以相同方式绘制
mean_forecast的预测结果。 - 在
lower_limits与upper_limits之间绘制置信区间的阴影区域。将其中任意一个 DataFrame 的索引作为 x 坐标。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# plot the amazon data
plt.plot(____, ____, label='observed')
# plot your mean forecast
plt.plot(____, ____, color='r', label='forecast')
# shade the area between your confidence limits
plt.____(____, ____,
____, color='pink')
# set labels, legends and show plot
plt.xlabel('Date')
plt.ylabel('Amazon Stock Price - Close USD')
plt.legend()
plt.show()