タグ検索の該当結果が少ないため、タイトル検索結果を表示しています。
2つのブログを初投稿させていただいてから早いもので数週間。 自己紹介 - AIソリューションアーキテクトのおしゃべり データ活用人材とはどんな人々か - AIソリューションアーキテクトのおしゃべり 思っていた以上に反響があり、 「面白くて、あっという間に読めた」 「ブログとリアルのキャラが一致しなくて困惑した」 「怪しい壺が買いたくなった」*1 など、数々のご好評をいただきまして非常に感謝してます。 時系列解析って何か色々あってわかりません!(憤怒) さて、本日取り上げたいのは時系列解析。 最近では新型コロナウイルスの感染者数という大々的に報じられる時系列データがあるのでイメージしやすくなったかもしれませんが、手法自体を学んでみると何だか色んな名前が飛び交っていて訳が分からない人も多いのでは。 時系列予測の手法1つとっても 「状態空間モデルはベイジアンなんや、ベイズが一番や!」 「どんな時
AWS Startup ブログ 【開催報告&資料公開】ML@Loft #6 × MLPP #4 – 自然言語・レコメンド・時系列解析 ML@Loft #6 × MLPP #4 「自然言語・レコメンド・時系列解析 」 AWS 機械学習ソリューションアーキテクトの宇都宮 ( Twitter: @shokout ) です。本ブログでは ML@Loft 第6回 x MLPP 第4回「NLP/レコメンド/時系列解析」の開催概要を報告いたします。 ML@Loft は、 機械学習を AWS 上でプロダクション運用しているデベロッパー・データサイエンティストのためのコミュニティイベントです。毎月テーマを設定し、前半は各分野のエキスパートの方々からの LT、後半は機械学習のサービス導入のノウハウや様々なツラミについて、LT のご講演者の方々を交えて参加者全員参加型のお悩み相談ラウンドテーブルという構成で A
『実践 時系列解析 ―統計と機械学習による予測』 Aileen Nielsen 著、山崎 邦子、山崎 康宏 訳 2021年9月18日発売予定 484ページ(予定) ISBN978-4-87311-960-1 定価3,960円(税込) 時系列データが使われる範囲は広く、医療データ、金融分析、経済予測、天気予報など、さまざまな分野で使用されています。本書は時系列データを通してデータ解析手法を学んでゆくアプローチで、データのクリーニング、プロットの方法、入出力など基本的なトピックについてひととおりカバーしてから、さまざまな分野の事例を数多く取り上げ、統計的手法と機械学習手法の両方を時系列データに適用し、また人気のオープンソースツールも積極的に取り入れた手法を紹介します。プログラムにはRとPythonの両方を利用。データセットやコードはGitHubからダウンロード可能です。 表紙の動物は、ブルーフ
最終更新日: 2021年12月13日 プログラミングが不要なAI構築プラットフォーム「MatrixFlow」を提供する株式会社MatrixFlowは、データを投入するだけで、誰でも時系列解析が出来るTrendFlow(トレンドフロー)を開発し、MatrixFlow上で提供を開始しました。 売上や勤務時間、気温など、時間的に変化した情報を持つ時系列データの解析は、欠損値の前処理、機械学習アルゴリズムの構築や評価など、データサイエンティストでも難しい内容です。 TrendFlowは、時系列データの中に欠損値があっても前処理せず、データを投入するだけで予測が可能です。 先行きが見えないアフターコロナの世界において、AIがデータから未来を可視化します。 同社は、TrendFlowの開発背景として、「人間の経験や直感だけで判断することがより一層難しくなっている」ことを挙げています。新型コロナウイルス
株式会社pipon代表取締役。 キャリアはADK(広告代理店)でテレビ広告運用をして残業120時間するが、ネット広告では自分の業務がAIで自動化されていることに驚愕する。そこで、機械学習受託会社に転職し、技術力を身につけた後、piponを創業。現在、製薬業界、大手監査法人、EC業界、様々な業界でAI受託開発事業を運営。 はじめに 今回は、状態空間モデルを紹介します。状態空間モデルとは、実際の状態を表す変数と実際に観測できる変数が異なるような系を数式で表現したもので、気象の予測や制御理論など様々な分野で応用することができます。 状態空間モデルはデータサイエンスの世界でも用いられており、時系列データの解析でもよく使われている考え方です。古典的な時系列解析モデルとして、MAモデル、ARモデル、ARMAモデル、ARIMAモデルがよく知られていますが、これらのモデルでカバーできない時系列データに対し
Advanced Python1 時系列解析 時系列解析のPython本って意外と少ないかも知れません。 時系列解析: 自己回帰型モデル・状態空間モデル・異常検知 (Advanced Python) とりあえずこの本を使って、株価の時系列予測をしながら、日経平均株価と友達になりたいと思っています。 株価のstatsmodelsによる解析 株価をダウンロードするサイトがなくなってしまって、別の方法を考えないといけないのですが、とりあえず以前落としたデータを使って、まずstatesmodelsを使って、2020年のTopixのETF解析をしようと思います。 2020年と言えば、3月にコロナで株価大暴落をおこした年です。さて、コロナの大暴落は、時系列解析でどう表れるのでしょうか? 傾向変動、季節変動、不規則変動 最初は基本である変動の解析です。 statsmodelsにより、傾向変動と季節変動と
from statsmodels.tsa.stattools import coint results = coint(x, y) # # x, y: array_like, 1d stat = results[0] # 統計量 pvalue = results[1] # p値 pvalueが基準(0.05など)より小さい場合、共和分の関係にないという帰無仮説が棄却 参考: https://www.statsmodels.org/stable/generated/statsmodels.tsa.stattools.coint.html グレンジャー因果性検定 前提 下のブログにあるように、以下のようなステップを踏んでから因果性検定を行います VARモデルを推定する前に、まず個々の原系列に対して単位根検定を実施する そもそもただの回帰関係が見たいだけなら、気にせずVARモデルを計算して良い
株式会社pipon代表取締役。 キャリアはADK(広告代理店)でテレビ広告運用をして残業120時間するが、ネット広告では自分の業務がAIで自動化されていることに驚愕する。そこで、機械学習受託会社に転職し、技術力を身につけた後、piponを創業。現在、製薬業界、大手監査法人、EC業界、様々な業界でAI受託開発事業を運営。 1. はじめに 今回はPythonを使い、移動平均を算出する方法を紹介します。 移動平均とは、主に時系列のデータを平滑化するのによく用いられる手法で、株価のチャートで頻繁に見られるのでご存知の方も多いでしょう(「25日移動平均線」など)。データの長期的なトレンドを追いたいときに、よく用いられます。 2. 移動平均とは 「移動平均」と言ってもいくつかの種類、計算方法があるので、それぞれを見ていきましょう。 1) 単純移動平均(Simple Moving Average; SM
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