エントリーの編集
![loading...](https://b.st-hatena.com/bdefb8944296a0957e54cebcfefc25c4dcff9f5f/images/v4/public/common/loading@2x.gif)
エントリーの編集は全ユーザーに共通の機能です。
必ずガイドラインを一読の上ご利用ください。
記事へのコメント0件
- 注目コメント
- 新着コメント
このエントリーにコメントしてみましょう。
注目コメント算出アルゴリズムの一部にLINEヤフー株式会社の「建設的コメント順位付けモデルAPI」を使用しています
![アプリのスクリーンショット](https://b.st-hatena.com/bdefb8944296a0957e54cebcfefc25c4dcff9f5f/images/v4/public/entry/app-screenshot.png)
- バナー広告なし
- ミュート機能あり
- ダークモード搭載
関連記事
時系列データマイニング⑥ : kinjoblog
2007年02月18日15:47 カテゴリ●datamining 時系列データマイニング⑥ ●表現(representation) クラスタリ... 2007年02月18日15:47 カテゴリ●datamining 時系列データマイニング⑥ ●表現(representation) クラスタリング、検索、クラス分類、モチーフ発見などなどいろいろ時系列データマイニングにはあるが、コアな技術というのは時系列データをどう「表現」するか、っていうのとその「類似度」(ユークリッドとか)をどう定義するか。っていうのにかかわっていると思う。 表現に関していうと、たとえば時系列データをそのままあつかったり、SAXなどのように時系列データを記号系列に変換したり(たとえば時系列データが正規分布に従うと仮定して、同じ頻度(三つだと33%点)になるように閾値を決めて、あとウィンドウを決めちゃってその平均値をもとに記号を割り振る)、時系列データを時系列モデル(ARIMAとか,HMM)に当てはめたり、フーリエ変換・ウェーブレット変換とかさまざまである。それぞれ特徴が