社会人が片手間で取る統計検定2級 - Qiita
概要 通勤時間の本読みと公式過去問3周とWebでなんとか合格までは到達できる。 主に使用した教材は下記 まずはこの一冊から 意味がわかる統計学 (BERET SCIENCE) 日本統計学会公式認定 統計検定 2級 公式問題集[2015〜2017年] 改訂版 日本統計学会公式認定 統計検定2級対応 統計学基礎 統計検定2級 模擬問題集1 統計学の時間 使用電卓 電卓はルート計算できるものは必須。僕はこれを使いました。 前提条件 理系私立大学卒・数学が嫌い・統計は勉強したことがない社会人です。 統計の知識がないままstatsmodelsを使ってシステムを組んでいましたが、根拠をもった説明を行いたくなったため統計検定をうけることを決意 頑張れば割となんとかなる。 勉強方法 通勤時間(往復1時間弱)は、統計学の時間をひたすら閲覧。 「なぜこの式を使うのか。なぜこうなるのか。」を意識することが大切
時系列データ分析(s)ARIMAモデル【Statsmodels】 - Qiita
データ 平日では下記のような傾向が見られる。 1日のデータ推移 季節によって上下にシフト 夜間少なく昼間に多いデータ 6時に急激に増え、18時に急激に減る 11時、14時頃に急激に少なくなる 検証 このあたりで作成した、力業でp,d,qの準最適なパラメータを求める。 予測期間2day(1hour更新)の場合 特殊条件 30分ごとに学習期間を30分シフトさせモデル構築 ハイパーパラメータの更新の有無で分岐 30分毎に学習時間をシフトさせて、モデルを更新する関数 下記の関数で、ぐるぐる回して最新の値だけDataframeにする。 本当に意味があるのだろうか？ def TrainSarima(df,Start,End,Order,SOrder,ShiftM = 0): TrainResultsSARIMA = sm.tsa.statespace.SARIMAX(df.loc[pd.to_date
Tips_01:時系列データ分析SARIMAモデル 「seasonal_orderの長さについて」【statsmodels】 - Qiita
Tips_01:時系列データ分析SARIMAモデル 「seasonal_orderの長さについて」【statsmodels】Python初心者statsmodels 概要 SARIMAモデルを用いた、時系列データ分析におけるプログラミング中に起きたエラー プログラム初心者の私に起きたので、同じ初心者の方の解決になれば… SARIMAモデルには、(p,d,q)(P,D,Q,S)といったハイパーパラメータを入れてあげなければならない。総当り法でp,d,q,P,D,Q(Sは24で固定）を求め、最もaicが低いパラメータを採用するプログラムを作った。 問題 len()使えないからだめだよ。長さないよ。って怒られました。 --------------------------------------------------------------------------- TypeError Trac
Tips_02:時系列データ分析SARIMAモデル 「学習データのinputについて」【statsmodels】 - Qiita
import pandas as pd import glob,os def CombineFiletoDF(folderpath): csvs = glob.glob(folderpath + '\*.csv') for csv in csvs: if csv == csvs[0]: df = pd.read_csv(csvs[0],dtype=np.float64,encoding='SHIFT-JIS',index_col=[0],parse_dates=[0]) else: df = df.append(pd.read_csv(csv,encoding='SHIFT-JIS',index_col=[0],parse_dates=[0],skiprows=0)) df = df.resample('H').asfreq() return df mod = sm.tsa.statesp
初心者による「Python初心者がコピペで使える!時系列データの可視化!」 - Qiita
時系列データ分析の可視化 僕が普段扱っているデータ（エネルギーデータ）の可視化をPythonを使って行うためのメモです。 Githubにまとめもあげています。 エネルギーデータの分析にPythonを使うときの参考になればと思っています。私も勉強中なのでこんなのがあればというものがあれば教えてください。m(_ _;)m ※あくまで、普段使っているエネルギーデータに対応したものなので、適宜変更していただければと思います。また、使用データはGithubに置いています。 概要 エネルギーデータを使用(1h間隔のデータ) 使用言語はPython 可視化は、pandasのplot, matplotlib, seabornなど githubではJupyterNotebookで実現 Pandas,Seabornの両方で行っているものもあります Bokehも使ってインタラクティブなチャートも使いたい 使用デ
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
処理を実行中です
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
