「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。
時系列解析について,基本手法から状態空間モデル,異常検知など,Pythonによる実解析のための手法をやさしく丁寧に解説!
・2023年版データ分析の100冊[2023-08-26に投稿]
・statsmodelsのトレンド解析と乖離率を使った株の儲け方:株価を時系列解析(2)[2022-02-13に投稿]
・statsmodels(Python)を使って株価を時系列解析(1)[2022-02-06に投稿]
・【決定版】需要予測・市況予測のための時系列分析の本リスト[2021-12-30に投稿]
・時系列データ関連の本10冊読んだので書評書く。+4冊更新 2021年11月[2020-04-27に投稿]
・pandas rolling()メソッドの挙動[2020-03-12に投稿]
・【データ分析の必読10冊+差をつける10冊+100冊超】データサイエンス、データ分析、機械学習関連の本[2016-08-23に投稿]