「honto 本の通販ストア」サービス終了及び外部通販ストア連携開始のお知らせ
詳細はこちらをご確認ください。
紙の本
時系列解析 自己回帰型モデル・状態空間モデル・異常検知 (Advanced Python)
著者 島田 直希 (著)
Pythonを使った時系列解析の基本的な内容を解説。簡単な課題を例に、基礎的なモデル構築の過程を段階的に体験できる。数式の提示は最小限にし、どの場面でなぜその手法を使うの...
時系列解析 自己回帰型モデル・状態空間モデル・異常検知 (Advanced Python)
時系列解析
05/09まで通常3,850円
税込 1,925 円 17ptワンステップ購入とは ワンステップ購入とは
このセットに含まれる商品
前へ戻る
- 対象はありません
次に進む
商品説明
Pythonを使った時系列解析の基本的な内容を解説。簡単な課題を例に、基礎的なモデル構築の過程を段階的に体験できる。数式の提示は最小限にし、どの場面でなぜその手法を使うのか考えられるように説明する。【「TRC MARC」の商品解説】
「時系列解析」は過去の自身のデータから未来のデータを予測するために用いられる手法であるが,予測だけでなく,事象の分解・理解に強みを持つ手法でもある。本書では,応用範囲の広い「時系列解析」について,マーケティングやIoTなどの現場における実解析で応用ができるように解説の内容を選定し,手法の基礎的な理論をPythonのサンプルコードとともに解説した。簡単なデータを用いた簡単な課題を例にとり,基礎的なモデル構築の過程を段階的に体験できるように,また,自学により応用範囲を広げてもらえるように,どの場面で,なぜその手法を使うのかを考えられるように説明している。
本書では,経済・マーケティングの分野で多く用いられるARモデルに代表される自己回帰型の古典的なデータ解析手法,工学分野の信号処理でも活躍の場面が多いカルマンフィルタに代表される状態空間モデル,IoT分野で活躍の場面が多い異常検知について説明している。
解説では、各手法について、より簡単な手法から説明し、各データに対してモデリングがうまくいかない理由とその克服方法を合わせて提示することで、段階的に各手法の必要性を理解できるように心がけている。【商品解説】
目次
- 第1章 時系列データの記述・処理
- 1.1 時系列データとは
- 1.2 時系列解析の概要
- 1.3 Pythonによる時系列データ分析のための準備
- 1.3.1 Pythonのインストール
- 1.4 加法モデルと乗法モデル
- 1.4.1 時系列データの構成要素
- 1.5 移動平均(時系列変動の平滑化)
- 1.5.1 平滑化
- 1.5.2 移動平均の例
著者紹介
島田 直希
- 略歴
- 〈島田直希〉IT企業のR&D部門に所属。著訳書に「Chainerで学ぶディープラーニング入門」「データ分析プロジェクトの手引」「推薦システム」がある。
関連キーワード
あわせて読みたい本
前へ戻る
- 対象はありません
次に進む
この著者・アーティストの他の商品
前へ戻る
- 対象はありません
次に進む