2017年10月17日のブックマーク (2件)

  • 回帰モデルの比較 - ARMA vs. Random Forest Regression - Qiita

    各モデルの詳細はWikipedia等を参照していただくとして,基的にARMAは,AR , MAを含有するモデルであり, ARIMA は,ARMA を含むモデルなので,ライブラリとしては ARIMA がサポートされていれば,上記4つのモデルはすべて対応可能となる.但し,StatsModelsではAPIとしてAR, ARMA, ARIMA が用意されている. 今回,分析を行うデータとして,"Nile" を取り上げた. Nile River flows at Ashwan 1871-1970 This dataset contains measurements on the annual flow of the Nile as measured at Ashwan for 100 years from 1871-1970. There is an apparent changepoint ne

    回帰モデルの比較 - ARMA vs. Random Forest Regression - Qiita
  • 時系列データ分析の処理でやってはいけないこと(反省を含めて) - Qiita

    (追記1)用語("in-sample", "out-of-sample")の使い方が不適切との指摘をいただきました.記事の後半部にこの点,追記いたしました. (追記2)を後半部に加えました. Qiita投稿した後,内容の誤りに気がついても,手間を惜しんでそのままになってしまいがちである.ごく小さな誤記であればまだいいが,理論的な誤りや勘違いにおいては,間違った発信が続いていることには違いなく,反省しなければならない.(記事削除が手っ取り早いのですが,「いいね」がついていたりすると削除も失礼かと... ) さて,以前 回帰モデルの比較 - ARMA vs. Random Forest Regression - Qiita で時系列データからLag(遅れ)を特徴量として使う Random Forest回帰のやり方を紹介している. 今回は単変量の時系列データであるが,いくつかの過去のデータ使っ

    時系列データ分析の処理でやってはいけないこと(反省を含めて) - Qiita