ARIMA modellerine giriş

Python'da ARIMA Modelleri

James Fulton

Climate informatics researcher

Durağan olmayan zaman serisi özeti

Farkı alınmış seri tahmini

Fark alma sonrası özgün zaman serisini yeniden kurma

diff_forecast = results.get_forecast(steps=10).predicted_mean

from numpy import cumsum

mean_forecast = cumsum(diff_forecast)

Fark alma sonrası özgün zaman serisini yeniden kurma

diff_forecast = results.get_forecast(steps=10).predicted_mean

from numpy import cumsum

mean_forecast = cumsum(diff_forecast) + df.iloc[-1,0]

Fark alma sonrası özgün zaman serisini yeniden kurma

ARIMA modeli

Farkını alın
ARMA modeli kurun
Tahmini entegre edin

Bu kadar işten kaçınabilir miyiz?

Evet!

ARIMA - Otoregresif Entegre Hareketli Ortalama

ARIMA modelini kullanma

from statsmodels.tsa.arima.model import ARIMA

model = ARIMA(df, order=(p,d,q))

p - otoregresif gecikme sayısı
d - fark alma derecesi
q - hareketli ortalama gecikme sayısı

ARIMA$(p,0,q)$ = ARMA$(p,q)$

ARIMA modelini kullanma

# Model oluştur
model = ARIMA(df, order=(2,1,1))

# Modeli uydur
model.fit()

# Tahmin yap
mean_forecast = results.get_forecast(steps=10).predicted_mean

ARIMA modelini kullanma

# Tahmin yap
mean_forecast = results.get_forecast(steps=steps).predicted_mean

Fark alma derecesini seçme

adf = adfuller(df.iloc[:,0])
print('ADF Statistic:', adf[0])
print('p-value:', adf[1])

ADF Statistic: -2.674
p-value: 0.0784

adf = adfuller(df.diff().dropna().iloc[:,0])
print('ADF Statistic:', adf[0])
print('p-value:', adf[1])

ADF Statistic: -4.978
p-value: 2.44e-05

Fark alma derecesini seçme

model = ARIMA(df, order=(p,1,q))

Hadi pratik yapalım!

Python'da ARIMA Modelleri