予測

Tableauで学ぶ統計手法

Maarten Van den Broeck

Content Developer at DataCamp

相関と自己相関

2013〜2021 年の「DIY」世界検索、月次、関心度％。3 次多項式のトレンド線は全体傾向を捉えようとするが、繰り返しパターンを捉えきれない。

2013〜2021 年の「DIY」世界検索、月次、関心度％。毎年の繰り返しパターンを強調。

Tableauで学ぶ統計手法

相関と自己相関

2013〜2021 年の「DIY」世界検索、月次、関心度％。

  • 自己相関: 繰り返しパターンが自己と相関
  • 時系列: 一定間隔で繰り返し測定された値
  • 時系列分析: 時系列に対する分析の総称
Tableauで学ぶ統計手法

予測

2013〜2021 年の「DIY」世界検索、月次、関心度％。23 か月の予測付き。

  • 過去データに基づく将来の予測
  • 推定: 将来のデータ点が入る確率範囲（信頼区間）
  • 活用例
    • サプライチェーン管理
    • 地震
    • ホルモン値
    • 株式市場
    • スポーツ成績
    • 天気
Tableauで学ぶ統計手法

ナイーブ予測

$F_{t+1} = A_{t}$

月 $_t$ 実績 $A$ 予測 $F$
1月 5
2月 7 5
3月 6 7
4月 5 6
5月 3 5
6月 8 3
7月 2 8
8月 2

サンプルデータのナイーブ予測。

  • ベンチマークに有用
Tableauで学ぶ統計手法

指数平滑化

$F_{t+1} = F_t + \alpha(A_{t}-F_t)$

月 $_t$ 実績 $A$ 予測 $F$
1月 5 5
2月 7 5
3月 6 4,6
4月 5 4,32
5月 3 4,184
6月 8 4,4208
7月 2 3,70496
8月 5 4,045952
  • 直近の変化の影響が過去より大きい予測になります

サンプルデータの指数平滑化による予測。

  • Tableau は複数モデルを実行し最良を選択します
Tableauで学ぶ統計手法

平均絶対誤差（MAE）

月 実績 予測 誤差 絶対誤差
1月 5
2月 7 5 2 2
3月 6 7 -1 1
4月 5 6 -1 1
5月 3 5 -2 2
6月 8 3 5 5
7月 2 8 -6 6
8月 5 2 3 3
9月 5 MAE 2.86
Tableauで学ぶ統計手法

平均絶対スケーリング誤差（MASE）

$MASE = \frac{MAE_{model}}{MAE_{naive}}$

  • MASE はモデルの MAE をナイーブ予測の MAE と比較します
  • 通常は 0（良い）〜1（悪い）、それ以上はさらに悪い
  • Tableau でオプションを調整可能ですが、デフォルトの予測でも概ね妥当です

2013〜2021 年の「DIY」世界検索、月次、関心度％。季節性なしとありの比較。季節性モデルの MASE の方が高い。

Tableauで学ぶ統計手法

Passons à la pratique !

Tableauで学ぶ統計手法

Preparing Video For Download...