「時系列データにおける複数の季節性をモデル化する方法」

Modeling Multiple Seasonalities in Time Series Data

複数の期間で季節効果を処理する

UnsplashのJoshua Woronieckiによる写真

この記事では、時系列データにおける複数の季節性をモデル化する方法について学びます。以下の内容をカバーします:

  • MSTLを使用して時系列データを分解する方法
  • 複雑な季節性を捉える説明変数の作成方法
  • オフシェルフの手法を使用した、orbitの予測パッケージをベースにした例

複雑な季節性

季節性は、定期的に繰り返される系統的な変化を指します。これらのパターンは、時系列データの観測頻度と関連しています。低頻度の時系列データには通常、単一の季節期間が含まれます。たとえば、月次の時系列データには年次の季節性が現れます。

最近では、日次や時間ごとなど、より高いサンプリング頻度で時系列データが収集されることが増えています。これにより、複雑な季節性を持つ大規模なデータセットが得られます。日次の時系列データには週次、月次、年次の繰り返しパターンが現れることがあります。

以下は、日次および週次の季節性を持つ時間ごとの時系列データの例です:

日次および週次の季節性を持つ時間ごとの時系列データ。作者による人工データと画像。

一見すると、上記の時系列データには複数の季節パターンが含まれていることは明確ではありません。複数の季節効果が重なることがあり、すべての関連する期間を特定することが難しくなります。

複数の季節性を持つ分解

分解手法は、時系列データを基本要素であるトレンド、季節性、残差に分割することを目的としています。

ほとんどの手法は、単一の事前定義された期間での季節性を扱うことを目的としています。例として、古典的な方法、x11、STLなどがあります。

STLメソッドは、複数の季節性を扱うために拡張されています。MSTL(Multiple STL)は、statsmodels Pythonパッケージで利用できます:

import numpy as npfrom statsmodels.tsa.seasonal import MSTL# 複雑な季節性を持つ人工的な時系列データを作成する# 日次および週次の季節性period1, period2 = 24, 24 * 7# 500データポイントsize = 500beta1…

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

Share:

Was this article helpful?

93 out of 132 found this helpful

Discover more

人工知能

「UVeyeの共同設立者兼CEO、アミール・ヘヴェルについてのインタビューシリーズ」

アミール・ヘヴァーは、UVeyeのCEO兼共同創設者であり、高速かつ正確な異常検出により、自動車およびセキュリティ産業に直面...

機械学習

3つの質問:大規模言語モデルについて、Jacob Andreasに聞く

CSAILの科学者は、最新の機械学習モデルを通じた自然言語処理の研究と、言語が他の種類の人工知能をどのように高めるかの調査...

機械学習

「機械学習 vs AI vs ディープラーニング vs ニューラルネットワーク:違いは何ですか?」

テクノロジーの急速な進化は、ビジネスが効率化のために洗練されたアルゴリズムにますます頼ることで、私たちの日常生活を形...

AIテクノロジー

「LXTのテクノロジーバイスプレジデント、アムル・ヌール・エルディン - インタビューシリーズ」

アムル・ヌール・エルディンは、LXTのテクノロジー担当副社長ですアムルは、自動音声認識(ASR)の文脈での音声/音響処理と機...

人工知能

「パクストンAIの共同創業者兼CEO、タングイ・シャウ - インタビューシリーズ」

タングイ・ショウは、Paxton AIの共同創設者兼CEOであり、法的研究と起草の負担を軽減するためにGenerative AIを使用するプラ...

機械学習

もし芸術が私たちの人間性を表現する方法であるなら、人工知能はどこに適合するのでしょうか?

MITのポストドクターであるジヴ・エプスタイン氏(SM '19、PhD '23)は、芸術やその他のメディアを作成するために生成的AIを...