39. 农业生产指数建模分析#

39.1. 知识点#

数据预处理
数据重采样
Prophet 的使用

39.2. 挑战介绍#

本次挑战中，我们将熟悉 ARIMA 建模流程和方法。并根据实验的要求，得到模型合理的参数。

39.3. 挑战内容#

挑战提供了中国农业生产指数从 1952 年到 1988 年期间的数据，并汇总到文件 agriculture.csv 数据文件。下载链接：

wget -nc https://cdn.aibydoing.com/hands-on-ai/files/agriculture.csv

数据集由两列构成，前 5 行预览如下：

	year	values
0	1952	100.0
1	1953	101.6
2	1954	103.3
3	1955	111.5
4	1956	116.5

Exercise 39.1

挑战要求针对该数据文件进行时间序列 ARIMA 建模，并确定 ARIMA(p, d, q) 较为合理的 3 个参数返回。

挑战开始之前，你需要先打开终端，执行以下步骤安装 statsmodels 库。

pip install statsmodels

39.4. 挑战要求#

需要将代码保存到 Code 文件夹中，并以 production_index.py 命名。
需要补充下方 def arima() 中的代码。挑战最后需要返回 ARIMA 模型的 p, d, q 参数返回。
建模时，无需划分测试数据而使用全部数据，并要求使用 AIC 求解方法。
测试时请使用 python 运行 production_index.py，避免出现无相应模块的情况。

39.5. 示例代码#

def arima():
    
    ### 补充代码 ###
    
    return p, d, q

Solution to Exercise 39.1

import pandas as pd
from statsmodels.tsa.stattools import arma_order_select_ic


def arima():
    df = pd.read_csv("agriculture.csv", index_col=0)
    diff = df.diff().dropna()
    p, q = arma_order_select_ic(diff, ic='aic')['aic_min_order']  # AIC
    d = 1
    return p, d, q

如果你觉得这些内容对你有帮助，可以通过微信赞赏码或者 Buy Me a Coffee 请我喝杯咖啡。