エントリーの編集
エントリーの編集は全ユーザーに共通の機能です。
必ずガイドラインを一読の上ご利用ください。
時系列予測モデルの実践論4 -昔のKaggleを事例に- - NRI Data Science BLOG
記事へのコメント0件
- 注目コメント
- 新着コメント
このエントリーにコメントしてみましょう。
注目コメント算出アルゴリズムの一部にLINEヤフー株式会社の「建設的コメント順位付けモデルAPI」を使用しています
- バナー広告なし
- ミュート機能あり
- ダークモード搭載
関連記事
時系列予測モデルの実践論4 -昔のKaggleを事例に- - NRI Data Science BLOG
サトヤキ・ロイ 池野心平 鈴木雄太 GBTなどの機械学習を用いたグローバルモデルでの時系列予測 なぜグ... サトヤキ・ロイ 池野心平 鈴木雄太 GBTなどの機械学習を用いたグローバルモデルでの時系列予測 なぜグローバルモデルが必要なのか 皆さんこんにちは。NRIの時系列予測チームのデータサイエンティスト、Satyakiです。今回も時系列モデルについて、機械学習(ML)モデルを中心にお話します。前回のブログでは、個々の時系列データを繰り返し学習・予測し、その結果をまとめて全体の予測を行う方法を説明しました。個別の時系列ごとに学習を行うことには多くの利点があります。例えば、他のデータソースから影響を受けにくいこと、デバッグのしやすさ、また柔軟性が高い、などが挙げられます。さらに、前回のブログで紹介したように、個々の時系列の過去期間すべてを訓練データとして扱えることもメリットと言えます。 しかし、グローバルモデルにも多くのメリットがあります。 最先端の機械学習やディープラーニングのアルゴリズムを使用す