時系列データ分析の処理でやってはいけないこと（反省を含めて） - Qiita
（追記1）用語（"in-sample", "out-of-sample")の使い方が不適切との指摘をいただきました．本記事の後半部にこの点，追記いたしました． （追記2）を後半部に加えました． Qiita投稿した後，内容の誤りに気がついても，手間を惜しんでそのままになってしまいがちである．ごく小さな誤記であればまだいいが，理論的な誤りや勘違いにおいては，間違った発信が続いていることには違いなく，反省しなければならない．（記事削除が手っ取り早いのですが，「いいね」がついていたりすると削除も失礼かと... ） さて，以前 回帰モデルの比較 - ARMA vs. Random Forest Regression - Qiita で時系列データからLag（遅れ）を特徴量として使う Random Forest回帰のやり方を紹介している． 今回は単変量の時系列データであるが，いくつかの過去のデータ使っ
状態空間モデルで「全体の一部が見えている」モデルを考える - Qiita
Jupyter Notebookと"R" カーネル (IRkernel)を使って「全体の一部が見えているモデル」を試してみた．ねた本は，岩波データサイエンス Vol.1 である． 全体の一部が観測できるモデル ～ 観測値が二項分布 まず状態空間モデルの概念図を示す． 真の値，状態値はシーケンシャルに変化するものとし，実際に観測する値は，状態値の値にある「ばらつき」が加算される，というモデルが一般的な状態空間モデルである．今回扱うのは，状態に対して「ばらつき」のようなノイズを与えるのではなく，「観測では状態の一部分しか見えない」というモデルを考える． １回の観測において５回ずつカウントデータを採取し，その観測をシーケンシャルに50回行う．$ N_{ti}^{obs} $ はｔ回目の観測におけるi回目のカウントデータで，それは真の値， $ N_t $ の二項分布に従うというモデルである． また
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
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
