内容説明
※この電子書籍は固定レイアウト型で配信されております。固定レイアウト型は文字だけを拡大することや、文字列のハイライト、検索、辞書の参照、引用などの機能が使用できません。
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。
感想・レビュー
※以下の感想・レビューは、株式会社ドワンゴの提供する「読書メーター」によるものです。
shin_ash
3
pythonで状態空間モデルが扱えそうだったので読んでみた。時系列分析そのもの解説はあるもののそちらについては参考文献にも上がってる定番の教科書を読んだ方が良さそう。pythonにもpykalmanなるライブラリがある様で、カルマンフィルタならこれで解けるようだ。実装方法も丁寧に書いてあるので参考になる。未知母数の推定はライブラリにEMアルゴリズムが用意されているのでそちらで解く様だ。ただ何となくだが解説の影響かもしれないがRのKFASの方が使いやすそうな印象を受ける。また粒子法はライブラリはない様で実装2023/07/05
kaida6213
3
正直ところどころ読みにくいところはあるが、pythonのコードが丁寧に書かれているのは貴重。2022/07/30
Tk O
1
時系列解析のアプローチとして、自己回帰モデル、状態空間モデル、異常検知などが紹介されている。 理論的な解説については、比較的わかりやすい丁寧な箇所と、読者がそれなりに知識を有しているという前提で、数式を羅列しているようにみえる箇所に分けられる。それでも、多様な解析手法やPyhtonのコードが紹介されている点で役に立つ。2024/05/24
yyhhyy
1
時系列データで一般的に行うプロセスや状態空間モデル・異常検知についてpythonコードで紹介。少ないページ数に詰め込んだ感があって、理論を理解した人がコードを追うための本という印象。2022/12/31
kono
1
最初はすごく読みやすかったのに途中から一気に難易度が上がった。一人で読むのは大変だから輪読とかで読み込んだ方がいいかも。2020/01/03
