まとめ

Pythonで学ぶMachine Learningによる時系列データ解析

Chris Holdgraf

Fellow, Berkeley Institute for Data Science

時系列と機械学習

• 時系列と機械学習の多様な応用
• まずデータを可視化する
• scikit-learn APIによるプロセスの標準化

特徴抽出と分類

• 時系列分類のための要約統計量
• 複数の特徴量を単一の入力行列に結合
• 時系列データの特徴抽出

モデルのフィッティングとデータ品質の向上

• 回帰のための時系列特徴量
• 時系列予測の生成
• 時系列データのクリーニングと改善

モデルの検証とパフォーマンス評価

• 時系列データの交差検証（データをシャッフルしない！）
• 時系列の定常性
• モデル係数とスコアの安定性評価

時系列の高度な概念

• 高度なウィンドウ関数
• 信号処理とフィルタリングの詳細
• スペクトル解析

高度な機械学習

• 高度な時系列特徴抽出（例：tsfresh）
• 回帰・分類のための複雑なモデルアーキテクチャ
• 時系列分析の本番対応パイプライン

練習方法

• 時系列データでスキルを磨く機会は多くあります。
• Kaggleには多数の時系列予測コンペがあります。
• Quantopianは予測モデルの学習・活用に役立ちます。

さあ、練習しましょう！

Pythonで学ぶMachine Learningによる時系列データ解析