第299話｜データ活用が上手くいっていないと感じたら……
データを集めビジネスに活用しようとチャレンジしたとき、次のような状況に陥るときがあります。 「見える化」したのに、収益が上向いた感があまりない！ 分析しても分析しているだけで、成果が生まれるイメージが湧かない！！ 高精度...
RECENT ARTICLES
Python ライブラリー「sktime」で学ぶ
らくらくビジネス時系列機械学習 Web講座
– 第1回：sktimeについて –
sktimeはPythonでよく使われている機械学習ライブラリsklearn(scikit-learn)と同じインターフェースで提供されているPythonの時系列ライブラリです。 sklearnはテーブルデータを扱う上で...
Pythonで時系列解析・超入門（その15）
テーブルデータ系モデルで複数先予測
（XGBoost）
時系列予測モデルの基本は1期先予測です。例えば、時系列データが日単位である場合、1期先予測とは、学習データ期間の次の日を予測することです。 実務上は、1期先だけではなく、もっと先を予測することが多いです。例えば、2期先予...
第298話｜あれ？ ビジネスインパクトがない！
私は仕事柄、幸運にもあるものを見せられることが度々あります。 ある人は自慢げに、ある人は不安げにあるものを見せて語ってくれます。 そのあるものとは、社内のデータを集約し、美しく見える化したBI（ビジネスインテリジェンス）...
Pythonで時系列解析・超入門（その14）
テーブルデータ系モデルで複数先予測
（ランダムフォレスト）
時系列予測モデルの基本は1期先予測です。例えば、時系列データが日単位である場合、1期先予測とは、学習データ期間の次の日を予測することです。 実務上は、1期先だけではなく、もっと先を予測することが多いです。例えば、2期先予...
第297話｜データをいくら集めても、100発0中が当たり前
データを使って何かを予測する、データを使って答えを導き出す、それが最適なものであると最高です。 しかし、多くの場合、データを上手く活用することで、「答えの方向性」は導いてくれます。しかし、データをいくら集め上手く活用して...
Pythonで時系列解析・超入門（その13）
テーブルデータ系モデルで複数先予測
（ディシジョンツリー）
時系列予測モデルの基本は1期先予測です。例えば、時系列データが日単位である場合、1期先予測とは、学習データ期間の次の日を予測することです。 実務上は、1期先だけではなく、もっと先を予測することが多いです。例えば、2期先予...
第296話｜データ時代に逆行しているデータ改竄問題
国土交通省の建設工事受注動態統計の書き換え問題、すごいですね。 国交省 不適切な統計処理 推計で8年間に34兆円余 過大に計上 日本の大手製造業でもデータ改竄問題が、定期的にニュースに上がってきています。 偽装に不具合、...
Pythonで時系列解析・超入門（その12）
テーブルデータ系モデルで複数先予測
（正則化項付き線形回帰）
時系列予測モデルの基本は1期先予測です。例えば、時系列データが日単位である場合、1期先予測とは、学習データ期間の次の日を予測することです。 実務上は、1期先だけではなく、もっと先を予測することが多いです。例えば、2期先予...
第295話｜データで騙す預言者になる
データは非常に強力です。わかりやすく、有無を言わさない破壊力があります。 ただ、おかしな使い方や見せ方で、人を騙すこともできます。恐ろしいことです。 たびたび目にするのが、0か1かのベルヌイ試行的なものです。 株価が上が...
非ガウスSVAR（VAR-LiNGAM）で描く時系列グラフィカルモデリング（Python版）
グラフィカルモデリングとは、多変量データ（変数が複数あるデータセット）の変数間の構造を表す統計モデルをグラフによって表現したもので、小難しくいうと、確率変数間の依存関係をグラフ表現したものです。 変数間の関係を無向グラフ...
VAR（ベクトル自己回帰）モデルで描く時系列グラフィカルモデリング（Python版）
グラフィカルモデリングとは、多変量データ（変数が複数あるデータセット）の変数間の構造を表す統計モデルをグラフによって表現したもので、小難しくいうと、確率変数間の依存関係をグラフ表現したものです。 変数間の関係を無向グラフ...
相互相関で描く時系列グラフィカルモデリング（Python版）
グラフィカルモデリングとは、多変量データ（変数が複数あるデータセット）の変数間の構造を表す統計モデルをグラフによって表現したもので、小難しくいうと、確率変数間の依存関係をグラフ表現したものです。 変数間の関係を無向グラフ...
（Python版）複数季節性を持つ時系列データを線形回帰でモデル化する方法
時系列データには複数の季節性を持つ場合があります。 例えば、日単位の時系列データであれば週周期と年周期、時単位の時系列データであれば日周期と週周期などです。 時系列データでよく利用されるモデルは、ARIMA系のモデルです...
第294話｜一人歩きする数字
数字で表現するメリットは計り知れませんが、デメリットもあります。 一人歩きし誤った方向に誘導してしまうこともある、というデメリットです。 どの数字をどう見せるかで、向かう方向を誘導することができます。 恐ろしいことです。...
Pythonで時系列解析・超入門（その11）
テーブルデータ系モデルで複数先予測
（線形回帰）
時系列予測モデルの基本は1期先予測です。 例えば、時系列データが日単位である場合、1期先予測とは、学習データ期間の次の日を予測することです。 実務上は、1期先だけではなく、もっと先を予測することが多いです。 例えば、2期...
