時系列データ

ランキング参加中人工知能 ボク：ねえ、ジェミニ！今日はLSTMについて教えてください。 OK。じゃあ今日はLSTM（Long Short-Term Memory）について、わかりやすく説明するね！ LSTMってなあに？ LSTMはね、前の会話を覚えていられる特別なコンピュータの仕組みなんだ。 ちょっと想像してみて。君が友達とお話しているとき、前に言ったことや聞いたことを覚えていないと、話がめちゃくちゃになっちゃうよね？例えば、「昨日公園に行った話の続きだけどさ…」って言われても、昨日公園に行ったことを覚えてないと「え？何の話？」ってなっちゃう。 コンピュータも同じで、特に言葉を扱ったり、時間と…

今回はkeras-tunerでユニット数をいろいろ探してみる。実際本の通り書いたり、copilotに聞いたりしても第三者に納得がいく説明ができないので、その根拠としてこのkeras-tunerを使って探索してみようと思う。

前回に続き、手元データより先の予測をしてみる。 モデル作成までは同じ。

前回より複雑なデータで予測をやってみる。 タイトルにはSin波予測とあるけど、前回の続きってだけで、Sin波ではないです。 この時系列データは過去に見つけた時系列分析サイトから。もうネット上から削除されてる様子。

うちの工場はいろんな在庫管理をそれが関わる部署が独自のやり方でやっている。それぞれのカンだから、在庫があふれるときもあるし、それでちょうどいいときもある。うまくやったからと言ってもそれ対するインセンティブはない。そもそもうまくやれているという基準がないから、上もわからないのだ。ただ自分の仕事のモチベーションとしてなんかうまくやりたい、奴らとは違うやり方で！と思って、一時期、予測というか時系列データに関する勉強していたことがあった。

概要 時系列データ分析の練習です。 年末Foundation model for timeseries なるものを知って調べてる最中ですが、とりあえず手を動かしてみないと思ったので、いろいろ比較検討します。 データ 使うデータは時系列データといえばの、Airline passengersです。 下はKaggleのHPですが、いろんなパッケージに入ってます（seabornとか）。 Air Passengers | Kaggle ARIMA 時系列といえば、ARIMAです。 トレンドや季節項を分けて考えるので、説明性が高くわかりやすいです。 実装例はたくさんあるので、省略します。 Air Pass…

時系列データは、日々のビジネスにおける意思決定、システムログの監視、異常検知など、多岐にわたる分野で重要な役割を果たします。しかし、生の時系列データをそのまま分析に利用すると、誤った結論を導く可能性があります。そこで、本ガイドでは、データ分析の精度と信頼性を高めるための時系列データの前処理について、代表的な4つの手法「欠損値処理」「外れ値処理」「フィルタリング」「リサンプリング」の具体的な手法と注意点を解説します。 前処理の重要性 欠損値処理 外れ値処理 統計的検定 時系列モデル 機械学習 外れ値の対処方法 フィルタリング リサンプリング アップサンプリング ダウンサンプリング その他の前処理…