![](https://cdn-ak-scissors.b.st-hatena.com/image/square/47371cd63121a4cc67ed74841e706530c7e548f8/height=288;version=1;width=512/https%3A%2F%2Fdevio2023-media.developers.io%2Fwp-content%2Fuploads%2F2019%2F04%2Fpython.png)
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1件
- 注目コメント
- 新着コメント
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
sktimeで時系列データを予測してみた | DevelopersIO
sktimeとは sktimeは時系列に特化した機械学習のためのライブラリです。 時系列問題の予測・分類につい... sktimeとは sktimeは時系列に特化した機械学習のためのライブラリです。 時系列問題の予測・分類についてのアルゴリズムやその構築・チューニング評価するためのツールが含まれます。 またインターフェースはsklearnを踏襲しており、sklearnとの組み合わせても使用することが可能です。 今回はこちらを使って時系列データの予測をやってみました。 モジュールのインポート import numpy as np from sktime.datasets import load_airline from sktime.forecasting.compose import make_reduction from sklearn.ensemble import RandomForestRegressor from sktime.forecasting.model_selection import
2022/09/14 リンク