dskomei https://blog.hatena.ne.jp/dskomei/ 見習いデータサイエンティストの隠れ家 https://www.dskomei.com/ 統計学 状態空間モデル 時系列分析 時系列データ 状態空間モデルは、観測できない状態を推定し、その推定した状態から観測値を予測するモデルです。観測できない状態の形を指定できるため、季節周期やトレンドを表す状態のモデルを構築でき、それぞれの成分に分解できます。これにより、ブラックボックスになりがちな機械学習の予測モデルではわからない、時系列データの分析が可能となります。 今回の記事では、トレンド、季節周期、自己回帰を含んだ盛々の状態の状態空間モデルを作り、時系列データがどのように分解できるかまでを見ます。時系列データの予測はもちろん行いますが、普通に構築しただけでは精度が低いので、最適化にも挑戦という野心的なところまでやるのです！ 最後まで見て… 190 <iframe src="https://hatenablog-parts.com/embed?url=https%3A%2F%2Fwww.dskomei.com%2Fentry%2F2021%2F01%2F31%2F084514" title="Pythonを使って時系列データを予測する状態空間モデルの実装　〜トレンド、季節周期、自己回帰を状態とする線形ガウスモデル〜 - 見習いデータサイエンティストの隠れ家" class="embed-card embed-blogcard" scrolling="no" frameborder="0" style="display: block; width: 100%; height: 190px; max-width: 500px; margin: 10px 0px;"></iframe> https://cdn-ak.f.st-hatena.com/images/fotolife/d/dskomei/20210130/20210130095058.png Hatena Blog https://hatena.blog 2021-01-31 08:45:14 rich https://www.dskomei.com/entry/2021/01/31/084514 1.0 100%