แนะนำโมเดล ARIMA

ARIMA Models ใน Python

James Fulton

Climate informatics researcher

ทบทวน Time Series แบบ Non-Stationary

ARIMA Models ใน Python

ทบทวน Time Series แบบ Non-Stationary

ARIMA Models ใน Python

การพยากรณ์ Time Series ที่ผ่านการ Differencing

ARIMA Models ใน Python

การสร้าง Time Series เดิมคืนหลัง Differencing

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

from numpy import cumsum

mean_forecast = cumsum(diff_forecast)
ARIMA Models ใน Python

การสร้าง Time Series เดิมคืนหลัง Differencing

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

from numpy import cumsum

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

การสร้าง Time Series เดิมคืนหลัง Differencing

ARIMA Models ใน Python

โมเดล ARIMA

 

  • หา Difference
  • Fit โมเดล ARMA
  • Integrate ผลพยากรณ์

มีวิธีที่ไม่ต้องทำหลายขั้นตอนไหม?

มี!

ARIMA - Autoregressive Integrated Moving Average

ARIMA Models ใน Python

การใช้โมเดล ARIMA

from statsmodels.tsa.arima.model import ARIMA

model = ARIMA(df, order=(p,d,q))
  • p - จำนวน Lag ของ Autoregressive
  • d - ลำดับของ Differencing
  • q - จำนวน Lag ของ Moving Average

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

ARIMA Models ใน Python

การใช้โมเดล ARIMA

# Create model
model = ARIMA(df, order=(2,1,1))

# Fit model
model.fit()

# Make forecast
mean_forecast = results.get_forecast(steps=10).predicted_mean
ARIMA Models ใน Python

การใช้โมเดล ARIMA

# Make forecast
mean_forecast = results.get_forecast(steps=steps).predicted_mean

ARIMA Models ใน Python

การเลือกลำดับ Differencing

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
ARIMA Models ใน Python

การเลือกลำดับ Differencing

model = ARIMA(df, order=(p,1,q))
ARIMA Models ใน Python

มาฝึกกันเถอะ!

ARIMA Models ใน Python

Preparing Video For Download...