Pythonで時系列解析・超入門（その9）

テーブルデータ系モデルで構築する時系列予測モデル
（ランダムフォレスト）

多くの人にとって馴染みがあるのは、時系列データ系の数理モデル（アルゴリズム）よりも、テーブルデータ系の数理モデル（アルゴリズム）の方です。例えば、以下の数理モデル（アルゴリズム）はテーブルデータ系のものです。線形回帰...

Pythonで時系列解析・超入門（その8）

テーブルデータ系モデルで構築する時系列予測モデル
（ディシジョンツリー）

多くの人にとって馴染みがあるのは、時系列データ系の数理モデル（アルゴリズム）よりも、テーブルデータ系の数理モデル（アルゴリズム）の方です。例えば、以下の数理モデル（アルゴリズム）はテーブルデータ系のものです。線形回帰...

多くの人にとって馴染みがあるのは、時系列データ系の数理モデル（アルゴリズム）よりも、テーブルデータ系の数理モデル（アルゴリズム）の方です。例えば、以下の数理モデル（アルゴリズム）はテーブルデータ系のものです。線形回帰...

IT化を進めれば、その副産物としてデータは発生します。そのデータを保存さえしていれば、その副産物としてのデータを分析し、何かに活用することができます。ただ、データを副産物として扱う限り、データは活用しにくい状態で保存...

多くの人にとって馴染みがあるのは、時系列データ系の数理モデル（アルゴリズム）よりも、テーブルデータ系の数理モデル（アルゴリズム）の方です。例えば、以下の数理モデル（アルゴリズム）はテーブルデータ系のものです。線形回帰...

前回までは、時系列データ系の数理モデル（アルゴリズム）で、時系列予測モデルを構築し予測する方法について、説明してきました。前回は、Prophetモデルを扱いました。 Pythonで時系列解析・超入門（その4）Prophe...

ビジネスの世界で発生するデータの多くは、時間的概念の紐付いた時系列データです。例えば、売上金額や受注件数、販売量、生産量、在庫量、PV（ページビュー）数、見込み顧客数、既存顧客数、離反顧客数、故障件数、広告宣伝費、人件...

自社の業績を知るには、単に売上高や市場シェアなど分析すればいいでしょう。未来の業績を知るには、過去データをもとに時系列予測モデルを構築し予測するという手もありますが、顧客の声を反映し、もう少し構造的に検討してもいいかも...

前回までは、simpleRNN・LSTM・GTUでモデル構築し1期先予測（1-Step ahead prediction）の方法について説明しました。以下の記事は、simpleRNNでモデル構築し1期先予測（1-Ste...

販売高の最大化を目指し、営業部隊の成果を指標化することは、よくあります。販売高の最大化のキーとなるのが、コスパのいい営業でしょう。販売高そのもの以外で、いくつかの指標があります。個々の営業パーソンや、営業所や部、課...

Pythonでデータ分析するとき、Jupyter Notebookを使う人は多いことでしょう。試行錯誤の結果、ほぼ分析の流れが定型化した場合、必要の都度、Jupyter Notebook に記載されたPythonコード...

ビジネス実務で昔からあるデータ活用の1つが時系列予測です。来月や来年の売上を予測したいであるとか、明日や来週のPVを予測したいであるとか、1時間先や明日の電力消費量を予測したいであるとか、時間という概念の紐付いた、時系...

高い塔に登って見渡せば、遠くまで見渡せます。低い椅子の上から見渡せば、遠くまで見渡せません。低い椅子の上から下を見れば、足元（この場合、椅子の足元）は見えます。高い塔に登って下を見れば、その足元はよく見えません。高い...

Webブラウザー上ではなく、PCのデスクトップ上で動作する、JupyterLab Desktop というデスクトップアプリケーションがあります。 Pythonの実行環境やライブラリーなどが、デスクトップアプリJupyte...

ビジネスの世界で発生するデータの多くは、時間的概念の紐付いた時系列データです。例えば、売上金額や受注件数、販売量、生産量、在庫量、PV（ページビュー）数、見込み顧客数、既存顧客数、離反顧客数、故障件数、広告宣伝費、人件...

ビジネスの世界で発生するデータの多くは、時間的概念の紐付いた時系列データです。例えば、売上金額や受注件数、販売量、生産量、在庫量、PV（ページビュー）数、見込み顧客数、既存顧客数、離反顧客数、故障件数、広告宣伝費、人件...