最初に判断すべきことは、その時系列に変換を適用するかどうかです。ここからの演習では、CO\(_2\) の時系列を予測することを目指します。下には、これともう一つの電力生産の時系列を描画しています。
上の時系列のうち、対数変換すべきものはどれですか？
この演習はコースの一部です
理論を実践に変える、インタラクティブな演習のひとつをお試しください
さっそく、時系列の最も重要な性質について学びましょう。ここでは、定常性とは何か、そしてそれが ARMA モデルでなぜ重要かを学びます。目視と標準的な統計検定の両方で定常性を確認する方法も扱います。最後に、ARMA モデルの基本構造を学び、それを使って ARMA データを生成し、ARMA モデルを当てはめます。
この章であなたが行うのは、データの「これから」を予測することです。洗練された statsmodels パッケージを使って、ARMA、ARIMA、ARMAX モデルを当てはめる方法を学びます。そのうえで、作成したモデルを用いて、株価という不確実な未来を予測してみましょう！
この章では、目利きのモデラーになっていきます。データそのものから有望なモデル次数を見極める方法を学び、さらに複数の有望なモデルを学習させた後、その中から最良のモデルを選ぶ方法を学びます。時系列プロジェクトを構造化するための優れたフレームワークについても身につけます。
最終章では、季節性 ARIMA モデルを使って、より複雑なデータに当てはめる方法を学びます。まずデータを季節成分と非季節成分に分解し、最後に学んだ ARIMA のツールを総動員して、グローバルな予測チャレンジに取り組みます。
現在の演習
