偽りの預言者：自家製の時系列回帰モデル

「美しさとファッションの専門家による偽りの預言者：自家製の時系列回帰モデルの詳細解説」

メタの預言者からアイデアを借りてパワフルな時系列回帰モデルを構築する

この続編の記事では、人気のあるProphetパッケージ¹と「シンプルであり、線形であるモデルで勝利する」²という話からアイデアを組み合わせ、フランケンシュタインの時系列モンスターを構築するというミッションを続けます。

今回は、自分たちがなにを目指しているか思い出した後、回帰モデルについて触れます – それが何で、なぜ特別なのか。

次に、時系列交差検証を使用してハイパーパラメータのチューニングを行い、最適なモデルパラメータ化を行います。

最後に、SHAPを使用してモデルを検証し、モデル形式を利用して特別な調査と手動の調整を行います。

• 「人間の労働が機械学習を可能にする方法」
• 最適な会議スケジューリング
• VGGの実装

これは多くの範囲をカバーするために多いですが、早速始めましょう。

傍注: 基礎データの準備と特徴エンジニアリングについては以前の記事で取り上げたため、そのままモデリングに移ります。そちらで行われたことについて確認してください:

偽の預言者: 自家製時系列回帰のための特徴エンジニアリング（2部作の第1部）

メタの預言者パッケージからアイデアを借りて、時系列機械学習モデルのためのパワフルな特徴を作り出す

towardsdatascience.com

全体像

まず、自分たちが何をしているのか思い出しましょう。

最終的な目標はシンプルです: 指定した時間範囲で将来のイベントを最も正確に予測することです。

私たちは、日付変数と関心の数量だけを含む時系列データをゼロから始めました。それから、将来の結果を正確にモデル化するために、それに基づいて追加の特徴を導出しました。これはProphetのアプローチに強く「影響」を受けています。

これで、エンジニアリングされたデータを軽量なモデルに供給し、将来の予測をトレーニングする準備が整いました。後で、モデルの内部機能について詳しく調べます。

さて、継続する前にデータの見た目を思い出しましょう。

データ

私たちはUKの実際のデータを使用しています – この場合、STATS19道路交通事故データセットを使用しています。…

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