예측

Python으로 배우는 ARIMA 모델

James Fulton

Climate informatics researcher

다음 값 예측하기

AR(1) 모형 가정

$y_t = a_1 y_{t-1} + \epsilon_t$

다음 값을 예측

$y_t = 0.6\; \text{x} \; 10 + \epsilon_t$

$y_t = 6.0 + \epsilon_t$

예측의 불확실성

$ 5.0 < y_t < 7.0$

일반 오차 1스텝 예측

1스텝 앞 예측 만들기

# Make predictions for last 25 values
results = model.fit()

# Make in-sample prediction
forecast = results.get_prediction(start=-25)

1스텝 앞 예측 만들기

# Make predictions for last 25 values
results = model.fit()

# Make in-sample prediction
forecast = results.get_prediction(start=-25)

# forecast mean
mean_forecast = forecast.predicted_mean

예측 평균은 pandas 시리즈입니다

2013-10-28    1.519368
2013-10-29    1.351082
2013-10-30    1.218016

신뢰구간

# Get confidence intervals of forecasts
confidence_intervals = forecast.conf_int()

신뢰구간 메서드는 pandas DataFrame을 반환합니다

                                 lower y                       upper y
2013-09-28                     -4.720471                     -0.815384
2013-09-29                     -5.069875                      0.112505
2013-09-30                     -5.232837                      0.766300
2013-10-01                     -5.305814                      1.282935
2013-10-02                     -5.326956                      1.703974

예측 시각화

plt.figure()

# Plot prediction
plt.plot(dates, 
         mean_forecast.values, 
         color='red', 
         label='forecast')

# Shade uncertainty area
plt.fill_between(dates, lower_limits, upper_limits, color='pink')

plt.show()

예측 시각화

동적 예측

동적 예측 만들기

results = model.fit()
forecast = results.get_prediction(start=-25, dynamic=True)

# forecast mean
mean_forecast = forecast.predicted_mean

# Get confidence intervals of forecasts
confidence_intervals = forecast.conf_int()

표본 외 예측

forecast = results.get_forecast(steps=20)

# forecast mean
mean_forecast = forecast.predicted_mean

# Get confidence intervals of forecasts
confidence_intervals = forecast.conf_int()

표본 외 예측

forecast = results.get_forecast(steps=20)

연습해 봅시다!

Python으로 배우는 ARIMA 모델