Sign up to take part
Registered users can ask their own questions, contribute to discussions, and be part of the Community!
Registered users can ask their own questions, contribute to discussions, and be part of the Community!
リンクの時系列予測のサンプルプロジェクトにて、機械学習について専門的な知識が無い前提となるのですが、以下2点はどのように行うのが一般的でしょうか。
https://downloads.dataiku.com/public/dss-samples/EX_TIMESERIE
機械学習ではよくあることですが、モデルとパラメータの選択はデータに依存し、どのモデルを選ぶかの明確なルールやフローチャートは存在しません。全てに当てはまるわけではありませんが、私のこれまでの経験に基づいたコツをお答えします。
モデルの選択
予測用のMLモデルには、大きく分けて2つのカテゴリーがあります。ここにはそれぞれの長所と短所を挙げます。
結局のところ、これは多くの一般化です:どれを選ぶか不確かな場合、最良のアプローチは両方のオプションを試して最良のものを選ぶか、あるいは両方の組み合わせを持つことかもしれません。
パラメータの選択
細かい部分は選んだモデルとデータに依存しますが、毎回使える一つの方法は経験的なものです:さまざまなパラメータを試して、テストデータで最高の精度を出すものを選びます。Dataikuでは、異なるハイパーパラメータを試すことができ、AutoMLが自動的に最も性能の良いモデルを選択します。
樋口ルイ匠
ご回答頂き誠にありがとうございます。
モデルの決め方について詳細にまとめていただきありがとうございます。
こちらを参考にしながら色々と試して経験値を積み、適したモデルの当たりを付けられるように勉強を進めます。
@TsuyoshiK
ご参考のリンクを頂きありがとうございます。こちらもご参考にさせていただきます。
@jun-suzuki さん、ご質問ありがとうございました。 @LouisT さん、ご回答ありがとうございます!
ルイさんのコメントにあるように、予測対象やデータ内容によって、やはり個別に判断していく必要があると思います。検討にあたっては、以下のような情報も参考になると思いますので、外部情報とはなりますが、参考までにリンクを共有いたします。
> 1. モデルを決める場合の基準
・ARIMA、LightGBM、Prophetを使用した時系列解析
https://qiita.com/hasimotton/items/4fdc60b7305a582ce8f4
・時系列予測モデルの実践論4 -昔のKaggleを事例に-
https://datascience.nri.com/entry/2022/12/23/171432
・Multi-step Time Series Forecasting with ARIMA, LightGBM, and Prophet(英語)
https://towardsdatascience.com/multi-step-time-series-forecasting-with-arima-lightgbm-and-prophet-cc...
> 2. モデルの中の各パラメータを定める手順
・ARIMAモデルで時系列データの予測をします〜Python
https://lunarwoffie.com/arima-timeseries-prediction-jp/