時系列解析_理論編 | Logics of Blue
最終更新:2017年6月1日 時系列分析という名前はご存知でしょうか？ 残念ながらExcelで実行するのがやや困難であるためこの名前もあまり浸透していないのではないかと思います。 時系列解析は、回帰分析とは違ってあまり知らない人も多いと思うので、ざっと解説を載せておきます。これだけ読めば、時系列分析の雰囲気はつかめるのではないでしょうか。 時系列分析の基礎の基礎からSARIMAモデルまでを一気に解説します。 それと、便利なパッケージ forecast の紹介も。 Rを使えば簡単に計算できますよ。 Pythonを使いたい方は「Pythonによる時系列分析の基礎」の実装例も併せて参照してください。 スポンサードリンク 目次 １．時系列解析って何？ ２．時系列データの扱い方 ３．知ると便利な用語集 ３－１．自己相関係数・偏自己相関係数 ３－２．ARモデル（自己相関モデル） ３－３．MAモデル（移
ガウス過程の考え方 - Qiita
次元と近似の話。 100次元空間にプロットAがあるとする。 しかし、我々には限られた測定手段しかない。 そう。たった10通りの方法＝10次元のパラメータしか測れない そうすると、100次元空間のプロットAは10次元空間に近似して表現される。 この近似は、残りの90次元の情報を捨てているという意味ですね。 ところで、手元にある10次元のパラメータは、一般には、互いに独立ではないですね。 今日の歩数$α$と、ラーメン摂取量$β$、体重変化量$γ$と、は、互いに独立ではない。 で、ポイントは、$α, β, γ$をジックリ調べてみる。 何か怪しい。 良く歩いている。ラーメンを食べていない。なのに体重が1kgも増えている。 さては、ビールをがぶ飲みしながら揚げ物を食べまくったな。 きっと、財布の中身も減っているでしょう。 つまり、パラメータ間の相関関係を仮定する事で、測定していない(次元)情報を推定
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
