ButterflyFishのブックマーク - はてなブックマーク

Pythonによる時系列分析の基礎 | Logics of Blue
Pythonを使った時系列解析の方法について説明します。時系列データの読み込みから、図示、自己相関などの統計量の計算といった基礎から始めて、自動SARIMAモデル推定までを説明します。この記事を読めば、簡単なBox-Jenkins法についてはPythonで実装する方法が身につくかと思います。 JupyterNotebookでの実行結果はリンク先から確認できます。目次時系列分析とは時系列データの読み込み時系列データの取り扱い自己相関係数の推定 ARIMAモデルの推定 SARIMAモデルの推定総当たり法によるSARIMAモデル次数の決定 1．時系列分析とは時系列分析とは、その名の通り、時系列データを解析する手法です。時系列データとは、例えば「毎日の売り上げデータ」や「日々の気温のデータ」、「月ごとの飛行機乗客数」など、毎日（あるいは毎週・毎月・毎年）増えていくデータのことで
ButterflyFish 2021/12/17
python

time series analysis
リンク
機械学習による時系列予測 | Logics of Blue
最終更新：2017年7月26日機械学習法を用いた時系列データの予測方法について説明します。 R言語を使えば、機械学習も時系列データのデータ操作も簡単にできます。両者を組み合わせて、時系列データへの予測モデルを作成してみました。ソースコードはこちらに置いてあります。スポンサードリンク目次解析の準備機械学習とは今回予測するデータ caretパッケージを使う準備 Rによる機械学習予測モデルの概要ハイパーパラメタのチューニング機械学習による時系列予測最適な次数を選ぶ当てはめ精度の評価将来の予測 1．解析の準備機械学習とは機械学習とは、次にどのようなデータが来るのかを､決まった手順を踏んで予測する技術、あるいは手法のことです。機械学習の良いところは、予測のための「手順」を、過去のデータからほとんど自動で見つけられることです。昔は人間が勘と経験そして度胸で予測を出し
ButterflyFish 2017/07/27
あとで読む
リンク
時系列データへの回帰分析 | Logics of Blue
新規作成：2017年05月16日最終更新：2017年05月16日ここでは、時系列データを手にした際に、どのような手順で回帰分析をかけていけばいいのか、フローチャートを交えて解説します。時系列データは特殊でして、普通の回帰分析を行うと、p値がおかしくなり、正しく検定ができなくなることがよくあります。これを見せかけの回帰と呼びます。シミュレーションを通して、見せかけの回帰という現象を確認したうえで、それらに対応する手法としての単位根検定・共和分検定・一般化最小二乗法(GLS)の基本的な考え方とRでの実装方法について説明します。ソースコードはまとめてこちらに置いてあります。スポンサードリンク目次時系列データへの回帰分析フローチャート単位根と見せかけの回帰データチェック1　単位根検定とADF検定解決策１　差分系列への回帰分析差分系列への回帰分析の問題点データチェック２　共
ButterflyFish 2017/05/17
あとで読む

data

statistics

analytics
リンク
1