Python: 時系列データの交差検証と TimeSeriesSplit の改良について - CUBE SUGAR CONTAINER
一般的に、時系列データを扱うタスクでは過去のデータを使って未来のデータを予測することになる。 そのため、交差検証するときも過去のデータを使ってモデルを学習させた上で未来のデータを使って検証しなければいけない。 もし、未来のデータがモデルの学習データに混入すると、本来は利用できないデータにもとづいた楽観的な予測が得られてしまう。 今回は、そんな時系列データの交差検証と scikit-learn の TimeSeriesSplit の改良について書いてみる。 使った環境は次のとおり。 $ sw_vers ProductName: Mac OS X ProductVersion: 10.14.6 BuildVersion: 18G3020 $ python -V Python 3.8.1 下準備 あらかじめ、必要なパッケージをインストールしておく。 $ pip install scikit-le
時系列コンペでよく使用されるsin, cosへの変換とは - Qiita
塩コンペに関しては、大会1位を飾ったphalanxさんが記事を書いているのでぜひとも参照してください！自分もやったことは記事内の２ヶ月〜最終日以外はほぼ同じです。 本題 時系列のコンペでは、特徴量として各訓練例が取得された時間や日付を組み込むことがあります。 しかしhourを例に考えてみると、23時の次は0時ですがこの間には数値的なつながりがありません。そこで循環性を考慮できるように三角関数を各特徴量に適用させます。 %matplotlib inline import pandas as pd import numpy as np dates = pd.date_range(start='2017-01-01', end='2017-12-31', freq='H') df = pd.DataFrame(data=np.zeros(len(dates)), index=dates, col
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
