Autoregressão
Vamos prosseguir para a revisão do modelo autoregressivo:
A fórmula é semelhante à fórmula de regressão linear, daí o nome. Ao invés do coeficiente, utiliza-se o valor passado de x.
Com statsmodels, podemos executar um modelo autoregressivo AutoReg():
python
Caso perceba, as previsões feitas pelo modelo autorregressivo são mais precisas do que aquelas do simples média móvel.
Vamos aprender como avaliar os resultados obtidos dos modelos treinados. O erro é calculado utilizando o erro médio quadrático. Isso é feito de maneira simples com a ajuda das funções sqrt() e mean_squared_error():
python
Da mesma forma, calculamos o valor do erro para o modelo anterior:
Quanto menor o valor do MSE, menor será o erro correspondente.
Swipe to start coding
Crie um modelo autoregressivo e treine-o com o conjunto de dados shampoo.csv.
- Crie um modelo de autoregressão (
Autoreg) com 6 defasagens para a coluna"Sales"do DataFramedf. - Ajuste o
modelaos dados. - Faça previsões usando o
model. Comece a previsão na primeira linha (o parâmetrostart) e configure o parâmetrodynamicparaFalse. - Visualize os resultados: mostre as primeiras 150 observações da coluna
"Sales"do DataFramedfna primeira chamada da função.plot()e os primeiros 150 valores previstos na segunda chamada.
Solução
Mude para o desktop para praticar no mundo realContinue de onde você está usando uma das opções abaixoObrigado pelo seu feedback!
