管理人
-
時系列データの特徴把握（ACF・PACF・季節分解・単位根検定）
コード, データサイエンス手法, データ加工, 時系列, 統計的仮説検定
このページでは、時系列データの特徴把握を行います。具体的には、可視化（ACF, PACFの確認）や季節分解を行ってデータの特徴把握をした上で、単位根検定を実施します。 時系列データの特徴把握 このペー ...
-
ARIMAモデルの構成要素（自己回帰AR・移動平均MA・差分化I）
時系列データの分析や未来予測に使われる代表的なモデルにARIMAモデルがあります。 ARIMAは一見複雑ですが、いくつかの要素に分けて理解することができます。 このページでは、ARIMAとその構成要素 ...
-
時系列データの定常化処理（トレンド・季節性・分散の非定常性の確認と除去）
コード, データサイエンス手法, データ加工, 時系列, 統計的仮説検定
時系列分析では、定常性という性質を前提として分析が行われるため、前処理として時系列データを定常過程へ変換する必要があります。このページでは、時系列データの定常性を確認し、非定常性を取り除いていく方法に ...
-
時系列データにおける定常性（弱/強定常性・定常性の確認方法）
コード, データサイエンス手法, データ加工, 時系列, 統計的仮説検定
時系列分析では、定常性という性質を前提として分析が行われるため、前処理として時系列データを定常過程へ変換する必要があります。このページでは、時系列データの定常性について解説します。 時系列データにおけ ...
-
時系列分解（時系列データの季節成分・トレンド成分・残余成分）
時系列分析にて予測を行う際には、時系列データを複数の成分に分解します（時系列分解）。 このページでは、時系列分解の各成分（季節成分・トレンド成分・残余成分）と加法分解・乗法分解について解説します。 時 ...
-
コンジョイント分析とは（属性と水準の決定）
コンジョイント分析は、「価格」と「機能」のようにトレードオフ関係にある要素の最適な組み合わせを決めるための分析手法です。このページでは、コンジョイント分析について、どのような対象に適用すべきかや水準の ...
-
アンケート設計における課題設定の重要性
ビジネスにおいてマーケティング目的で特定の属性の人々に対してアンケートを実施することはよくあります。 一方でせっかくアンケートをとっても、ありきたりな一般論しかわからず、「で、どうしたらいいの？」とい ...
-
Pythonで雨温図とハイサーグラフを作成
高校地理では各都市の気候を可視化する方法として、雨温図とハイサーグラフが使われます。このページでは、Pythonのライブラリであるmatplotlibを使用して雨温図とハイサーグラフを作成する方法を紹 ...
-
ケッペンの気候区分の判定とPythonでの実装
高校地理でも取り上げられるケッペンの気候区分は、気温と降水量から気候を分類できる気候区分です。このページでは、気温と降水量から気候帯と気候区を判定する方法（分類基準）とPyhtonでの実装について紹介 ...
-
カテゴリ変数の変換（one-hot encodingなど）
機械学習において特徴量としてカテゴリ変数（質的変数）を扱うためには、学習に適した形に変換する必要があります。このページでは、one-hot encodingをはじめとするカテゴリ変数の変換方法について ...
