新型コロナウイルスに関する情報は、厚生労働省の情報発信サイトを参考にしてください。情報を見る
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。
市場への真の影響を時系列分析で測る~データサイエンスを知るコラム⑤ - 知るギャラリー by INTAGE
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
市場への真の影響を時系列分析で測る~データサイエンスを知るコラム⑤ - 知るギャラリー by INTAGE
意外と難しい2時点間の正確な比較 みなさんは、時系列(日次・週次・月次など)で収集している、自社商... 意外と難しい2時点間の正確な比較 みなさんは、時系列(日次・週次・月次など)で収集している、自社商品の売上やWebサイトのユニークユーザー数などの指標を評価する際、どのような方法をとっているだろうか。一般的には、ある2時点の数値の比較が用いられるだろう。たとえば、「今月の売上は去年の同じ月よりも○○円上がった」「ユニークユーザー数が先週より△%減った」などである。 しかしこの方法では、時系列データが持ついくつかの要因を考慮しきれておらず、正確な評価ができていない。そこで本稿では、時系列分析の手法を使った、一般的な方法では捉えきれない要因を考慮した時系列データの評価や予測について紹介する。 時系列データは2つの要因で分解する まず、時系列データはいくつかの要因に分解できる。 1つ目は「トレンド」であり、その時系列データの長期的な変動傾向を示す。上昇トレンドであればその指標は日に日に増えていき