某位開發人員在 Amazon S3 中有每小時的歷史需求資料，但其中有些小時的資料遺失了。該開發人員想檢查 ARIMA 模型是否適用。驗證 ARIMA 適用性的最佳方法是什麼？

正確答案是透過將資料重新取樣為每日總計來處理遺失的小時資料，這可以緩解遺失資料點的影響，並使 ARIMA 模型更適用於較穩定的時間序列。然後，執行季節性趨勢分解可以驗證資料中是否存在季節性和趨勢成分，這是 ARIMA 模型有效性的關鍵前提。 選項一和四不正確，因為直接填補遺失的小時資料可能導致不準確的估計，特別是當遺失資料量很大時，這會影響 ARIMA 模型的性能。選項二不正確，因為 Amazon SageMaker Autopilot 主要用於自動化機器學習，雖然它可以評估模型，但它不直接提供 ARIMA 作為問題類型選項，且未解決遺失資料的處理問題。