Box-Jenkins विधि

Python में ARIMA Models

James Fulton

Climate informatics researcher

The Box-Jenkins विधि

कच्चे डेटा $\rightarrow$ प्रोडक्शन मॉडल

• पहचान
• आकलन
• मॉडल डायग्नोस्टिक्स

पहचान

• क्या टाइम सीरीज़ स्थिर (stationary) है?
• कौन-सा differencing इसे स्थिर करेगा?
• कौन-से transforms इसे स्थिर करेंगे?
• p और q के कौन-से मान सबसे उपयुक्त हैं?

पहचान के टूल

• टाइम सीरीज़ प्लॉट करें
  • df.plot()
• ऑगमेंटेड डिक्की-फुलर टेस्ट उपयोग करें
  • adfuller()
• transforms और/या differencing करें
  • df.diff(), np.log(), np.sqrt()
• ACF/PACF प्लॉट करें
  • plot_acf(), plot_pacf()

आकलन

• मॉडल गुणांक ट्रेन करने के लिए डेटा का उपयोग करें
• model.fit() हमारे लिए यह करता है
• AIC और BIC से मॉडलों में चुनें
  • results.aic, results.bic

मॉडल डायग्नोस्टिक्स

• क्या शेष (residuals) असंबद्ध हैं
• क्या शेष सामान्य वितरण वाले हैं
  • results.plot_diagnostics()
  • results.summary()

निर्णय

दोहराएँ

• अधिक जानकारी के साथ प्रक्रिया दोबारा करें
• बेहतर मॉडल खोजें

प्रोडक्शन

• फोरकास्ट बनाने के लिए तैयार
  • results.get_forecast()

Box-Jenkins

अभ्यास करते हैं!

Python में ARIMA Models