偽の預言者：自家製時系列回帰のための特徴工学（パート1/2）

「偽りの予言者：特徴工学による自家製時系列回帰のテクニック（パート1/2）」

MetaのProphetパッケージのアイデアを活用して、時間系列の機械学習モデルのための強力な特徴を作成する

MetaのProphetパッケージ¹は、時間系列のために最も広く利用されているパッケージの1つです。少なくとも個人的な経験から、私が後で読むためにブックマークしている時間系列の記事リストを見てもそうです。

皮肉はさておき、私は以前にこのパッケージを使用したことがあり、それが好きです。

時間系列モデリングのもう一つの素晴らしいリソースは、Vincent Warmerdam氏のトーク「シンプルで、さらには線形なモデルで勝つ」²です。彼はここで線形モデルを使用した時間系列のモデリング（ある程度の準備が必要ですが）に触れています。

さて、データサイエンスの一部には、芸術と科学の境界をぼやかす要素があります – ハイパーパラメータの調整やニューラルネットワークの構造の定義などを考えてみてください。

• 「機械学習入門：その多様な形式を探索する」
• 『GenAI：より良い結果と低コストでデータを1000倍速く合成する方法』
• 「良い説明がすべてです」

私たちは芸術に分かれ、偉大な芸術家たちが行ってきたことをするつもりです：他の人々からアイデアを借りることです。ですので、この一連の記事では、Prophetから特徴エンジニアリングのアイデアを、Vincentからはリニアモデリングのアイデアを借りて、実際の時間系列で独自の時系列回帰を実行します。

全体像

特徴エンジニアリングに取り組む前に、全体の目標について最初に触れましょう。

全体の目標はシンプルです – 指定された時間の範囲内で将来のイベントを最も正確に予測することです。

まず、日付変数と興味のある数量だけを含む時間系列からスタートします。これにより、将来の結果を正確にモデル化するために追加の情報を派生させます。これらの追加の特徴はProphetに強く「触発される」ものです。

その後、データをエンジニアリングしたものを軽量なモデルに入力し、将来の予測方法を学習させます。その後、モデルの内部動作について詳しく調べてみましょう – 結局のところ、予測の根拠を理解する必要があります。

森が見えたので、では次にデータを詳しく見ていきましょう。

We will continue to update VoAGI; if you have any questions or suggestions, please contact us!