丸善のおすすめ度
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 1)
島田 直希
著
発行年月 |
2019年09月 |
---|
|
|
言語 |
日本語 |
---|
媒体 |
冊子 |
---|
|
|
ページ数/巻数 |
8p,211p |
---|
大きさ |
24cm |
---|
|
ジャンル |
和書/理工学/数学/確率論・数理統計学 |
---|
|
|
ISBN |
9784320125018 |
---|
|
商品コード |
1030725347 |
---|
NDC分類 |
417.6 |
---|
|
|
本の性格 |
学術書 |
---|
|
新刊案内掲載月 |
2019年10月2週 |
---|
|
商品URL
| https://kw.maruzen.co.jp/ims/itemDetail.html?itmCd=1030725347 |
---|
著者紹介
島田 直希(著者):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。
内容
「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。