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。
時系列分析入門【第5章 その1】2つの時系列データの相互相関・移動相関・動的時間伸縮をPythonで実践する|ネイピア DS
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
時系列分析入門【第5章 その1】2つの時系列データの相互相関・移動相関・動的時間伸縮をPythonで実践する|ネイピア DS
この記事は、テキスト「RとStanではじめる 心理学のための時系列分析入門」の第5章「時系列データ同士... この記事は、テキスト「RとStanではじめる 心理学のための時系列分析入門」の第5章「時系列データ同士の関係の評価」のRスクリプトをお借りして、Python で「実験的」に実装する様子を描いた統計ドキュメンタリーです。 取り扱いテーマは、2つの時系列データの類似度に関する次の指標です。 ・相互相関/移動相関 ・動的時間伸縮法(DTW) 時系列データ間の距離感って、どんなことなのでしょう? さあ、時系列分析を楽しんでいきましょう! 第5章 時系列データ同士の関係の評価 この記事は「5.2 相互相関」「5.3 動的時間伸縮法」を実践いたします。 インポートこの章で用いるライブラリをインポートします。 ### インポート # 基本 import numpy as np import pandas as pd # Rデータセット読み取り import statsmodels.api as sm i