import numpy as np, pandas as pd
from sklearn.ensemble import RandomForestRegressor

np.random.seed(42)
t = np.arange(300)
df = pd.DataFrame({'y': 50 + 10*np.sin(2*np.pi*t/12) + 0.05*t 
                        + np.random.randn(300)*2})
for k in [1, 2, 3, 12]:
    df[f'lag{k}'] = df['y'].shift(k)
df = df.dropna()

X, y = df.drop(columns='y'), df['y']
m = RandomForestRegressor(random_state=0).fit(X[:200], y[:200])
pred = m.predict(X[200:])

print(df.head(3).round(2))
print(f"\nRMSE: {np.sqrt(((y[200:]-pred)**2).mean()):.4f}")
print(pd.Series(m.feature_importances_, index=X.columns).round(4))

詳しく説明します。

ライブラリのインポート

• numpy：数値計算を行うためのライブラリ。ここではデータ生成とRMSEの計算に使用しています。
• pandas：shiftによるラグ特徴量の作成に使用しています。
• sklearn.ensemble.RandomForestRegressor：決定木を多数組み合わせた回帰モデルです。

データの生成

• 50 + 10*np.sin(2*np.pi*t/12)：ベースレベル50に、振幅10・周期12の季節成分を加えています。
• + 0.05*t：緩やかな上昇トレンドです。
• + np.random.randn(300)*2：標準偏差2のノイズです。

ラグ特徴量の作成

• df['y'].shift(k)：yの値をk行分だけ下方向にずらします。これにより、各行に「k期前の値」が並びます。
• for k in [1, 2, 3, 12]：直近3期分と、季節周期に対応する12期前の4種類を特徴量として作成しています。
• df.dropna()：shiftにより先頭12行に生じるNaNを除去します。

モデルの学習と予測

• X, y = df.drop(columns='y'), df['y']：ラグ列を説明変数X、元の系列を目的変数yとします。
• fit(X[:200], y[:200])：前半200点で学習します。時系列の順序を保ったまま分割している点が重要です。
• m.feature_importances_：各特徴量が予測にどれだけ寄与したかを示す指標です。

(B) 時系列データを教師あり学習で扱える説明変数に変換するため → ○
正解です。機械学習モデルは「説明変数の行列Xと目的変数y」という形式のデータを要求します。ラグ特徴量は、時間方向に並んだ1本の系列を、この形式に組み替えるための変換です。

(C) 時系列データの季節成分を分解して取り出すため → ×
季節成分の分解にはseasonal_decomposeやSTL分解を使います。ラグ特徴量は成分を分解するのではなく、過去の値をそのまま説明変数として並べるものです。ただし今回のように季節周期に対応するラグ（lag12）を含めることで、結果として季節性をモデルに学習させることはできます。

(D) 時系列データの欠損値を前方補完するため → ×
前方補完にはfillna(method='ffill')を使います。shift()はむしろ先頭に新たなNaNを生じさせるため、補完とは逆の作用です。

変換前（1本の時系列）

t :  0    1    2    3    4    5 ...
y : 40   41   45   51   52   56 ...

変換後（説明変数と目的変数の表）

y(目的)  lag1  lag2  lag3
  51      45    41    40
  52      51    45    41
  56      52    51    45

時間方向に並んでいた過去の値が、横方向の列（説明変数）として並べ替えられました。この形になれば、ランダムフォレストや線形回帰など、時系列専用ではない一般的な機械学習モデルがそのまま適用できます。

言い換えると、ラグ特徴量は「時系列予測問題」を「回帰問題」に翻訳する装置です。ARIMAのような時系列専用モデルが自己回帰構造を数式で内包しているのに対し、機械学習アプローチでは、その自己回帰構造を特徴量として明示的に与えるという違いがあります。

lag12の重要度が9割を超えているのは、データが周期12の季節性を持つためです。12期前の値は「1周期前の同じ位相」にあたるため、現在の値を予測する上で最も有力な手がかりになります。

この結果は、ラグの選び方がモデルの性能を左右することを示しています。もしlag12を特徴量に含めずlag1〜lag3だけで学習していたら、季節性を捉えられず精度は大きく低下していたはずです。データの周期性を事前に把握し、対応するラグを特徴量に含めることが重要です。周期の特定には、コレログラム（ACF）やスペクトル解析が役立ちます。

分割はランダムにしない
今回のコードではX[:200]とX[200:]のように、時系列の順序を保ったまま前半を学習、後半を検証としています。train_test_splitのランダム分割を使うと、未来のデータで学習して過去を予測することになり、リーケージが発生します。

特徴量は過去の情報のみで作る
shift(k)はk期前の値を参照するため安全です。一方、shift(-k)は未来の値を参照するためリーケージになります。移動平均を特徴量にする場合も、rolling(5).mean()は当該時点を含むため、rolling(5).mean().shift(1)のように1期ずらす必要があります。

スケーリングは学習データの統計量で行う
標準化などの前処理を行う場合、平均や標準偏差は学習データのみから計算します。全データから計算すると、検証データの情報が学習に漏れます。

交差検証を行う場合は、sklearn.model_selection.TimeSeriesSplitを使うことで、時系列の順序を保った分割が可能です。

• 非線形な関係を捉えられる：ARIMAは線形モデルですが、ランダムフォレストや勾配ブースティングは変数間の非線形な関係や交互作用を自動的に学習できます。
• 外部変数を柔軟に追加できる：曜日、祝日フラグ、気温、キャンペーン有無など、任意の特徴量を列として追加するだけで組み込めます。
• 複数系列をまとめて学習できる：多数の商品や店舗の系列を1つのモデルで扱う「グローバルモデル」の構築が容易です。

短所

• 外挿に弱い：決定木ベースのモデルは学習データの範囲外の値を予測できません。強い上昇トレンドがあるデータでは、事前に差分処理やトレンド除去が必要です。
• 予測区間が得られにくい：ARIMAのような統計モデルと異なり、標準では点予測のみで、信頼区間の算出には別途工夫が必要です。
• 特徴量設計に依存する：どのラグを含めるかなど、人間の設計判断が精度を大きく左右します。
• 多期先予測が複雑：1期先予測は単純ですが、複数期先を予測するには再帰的に予測値を入力に使う（誤差が累積する）などの工夫が必要です。

実務では、統計モデル（ARIMA・指数平滑法）と機械学習アプローチの両方を試し、検証データでの精度を比較して選択するのが確実です。