![](https://cdn-ak-scissors.b.st-hatena.com/image/square/6fe8a6b33a143fc17b44de2a19b71add0064da36/height=288;version=1;width=512/https%3A%2F%2Fqiita-user-contents.imgix.net%2Fhttps%253A%252F%252Fcdn.qiita.com%252Fassets%252Fpublic%252Farticle-ogp-background-412672c5f0600ab9a64263b751f1bc81.png%3Fixlib%3Drb-4.0.0%26w%3D1200%26mark64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZ3PTk3MiZoPTM3OCZ0eHQ9UHJvcGhldCVFMyU4MSVBOFIlRTMlODElQTclRTQlQkIlQUUlRTYlODMlQjMlRTklODAlOUElRTglQjIlQTglRTMlODIlOTIlRTYlOTklODIlRTclQjMlQkIlRTUlODglOTclRTglQTclQTMlRTYlOUUlOTAlRTMlODElOTclRTMlODElQTYlRTMlODElQkYlRTMlODElOUYmdHh0LWFsaWduPWxlZnQlMkN0b3AmdHh0LWNvbG9yPSUyMzFFMjEyMSZ0eHQtZm9udD1IaXJhZ2lubyUyMFNhbnMlMjBXNiZ0eHQtc2l6ZT01NiZzPTY0NWJlOWZhZjQyZGU0ZjM3OWZkMGZhMDM4Mjg2OWE5%26mark-x%3D142%26mark-y%3D57%26blend64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZoPTc2Jnc9NzcwJnR4dD0lNDB0c3VnYXImdHh0LWNvbG9yPSUyMzFFMjEyMSZ0eHQtZm9udD1IaXJhZ2lubyUyMFNhbnMlMjBXNiZ0eHQtc2l6ZT0zNiZ0eHQtYWxpZ249bGVmdCUyQ3RvcCZzPTJjMzE4NGQxNmMyNWY4MTJhMzQzMmUyYTMzY2FhZGU0%26blend-x%3D142%26blend-y%3D486%26blend-mode%3Dnormal%26s%3D4749759714caea756cf4942f331fb745)
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。
ProphetとRで仮想通貨を時系列解析してみた - Qiita
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
ProphetとRで仮想通貨を時系列解析してみた - Qiita
はじめに 時系列解析ってなるとAR, MA, ARIMAモデルといった伝統的な解析方法から状態空間モデル, Stan... はじめに 時系列解析ってなるとAR, MA, ARIMAモデルといった伝統的な解析方法から状態空間モデル, Stanによる統計ベイズモデリングなど様々の方法があります。そこにprophetという便利な時系列解析のAPIが出ていたのですね。ですので仮想通貨に対して適用し味見してみました。時系列解析になるとRの方が便利なのでこちらを使っていきます。 pythonでは、@shion1118さんが、Prophetを用いた時系列解析によるビットコイン価格予測を行っていますね。 Prophetとは CRANのマニュアルのDescriptionを訳しました。 非線形トレンドが年、週、日単位での季節性に加え、休日効果とともにフィットさせる加法モデルに基づく時系列データを予測する手法を実装している。これは強い季節性の効果やヒストリカルデータの複数の季節をもつ時系列データでうまく働く。Prophetは欠損値、