開発者はAmazon S3に1時間ごとの過去の需要データを持っていますが、一部の時間でデータが欠落しています。開発者はARIMAモデルが適切かどうかを確認したいと考えています。ARIMAの適合性を検証する最良の方法は何ですか？

ARIMAモデルは、通常、定常性を持つ時系列データに最適です。欠損値がある1時間ごとのデータでは、季節トレンド分解を行う前に、まずデータを補完し、定常性を高めるための処理が必要です。日次集計合計にリサンプリングすることで、データのノイズを減らし、より安定したパターンを抽出しやすくなります。これにより、ARIMAモデルの適合性が向上し、より正確な予測が可能になります。 誤った選択肢： SageMaker Autopilotは自動機械学習サービスであり、ARIMAモデルの適合性を検証する直接的なツールではありません。また、AutopilotはARIMAを問題タイプとして直接選択する機能を提供していません。 欠損値の補完は重要ですが、日次集計へのリサンプリングと季節トレンド分解を組み合わせることで、ARIMAモデルの前提条件である定常性により適したデータになります。