Wprowadzenie do szeregów czasowych i stacjonarności

Modele ARIMA w Pythonie

James Fulton

Climate informatics researcher

Motywacja

Szeregi czasowe są wszędzie

Nauczysz się

import pandas as pd
import matplotlib as plt

df = pd.read_csv('time_series.csv', index_col='date', parse_dates=True)

date            values
2019-03-11    5.734193    
2019-03-12    6.288708    
2019-03-13    5.205788    
2019-03-14    3.176578

fig, ax = plt.subplots()
df.plot(ax=ax)
plt.show()

Szereg białego szumu ma nieskorelowane wartości

Stacjonarny

Niestacjonarny

Stacjonarny

Niestacjonarny

Stacjonarny

Niestacjonarny

# Train data - all data up to the end of 2018
df_train = df.loc[:'2018']

# Test data - all data from 2019 onwards
df_test = df.loc['2019':]

Modele ARIMA w Pythonie