クロック熱分析と製品組合せ最適化


表熱分析とは?


時間系列解析は,過去から現在までの時間に記録されたデータに基づいて,将来の変化傾向を解析する方法である.時間の経過を考慮すると、この点は一般的な分析とは異なる。-

最終的には過去のデータを分析することで未来を予測する分析法といえる.他の分析との違いは「時間」を考慮したことにある.
代表的なパターンは
  • ARIMA
  • GARCH
  • VAR
  • RNN
  • LSTM
  • などなど.
    その中で最も基本的なコンセプトのモデルはAR(autoregressive)モデルで、自分の過去のデータを利用したモデルで、夕食を選んだときに「昨日焼肉を食べたので、今日は寿司を食べましょう」と思ったら例を挙げて説明します.
    表列は分析の際、トレンドとループを考慮することが重要です.変更されていない生源データは、グラフの上昇と下落だけを考慮するのではなく、グラフの規則的な周期(季節性、時間性)と異なる時期の傾向(オリンピック、休暇、流行)以外の特定の分野の不規則な用語を考慮してデータを分析しなければならない.


    オーストラリアの抗糖尿病薬(anti-diabetic)の毎月の販売データはhttps://raw.githubusercontent.com/selva86/datasets/master/a10.csvを使用する予定です
    すべての企業の月収、ユーザー、その他の業績データに使用
    必要なライブラリimport
    import numpy as np
    import pandas as pd
    import matplotlib.pyplot as plt
    from statsmodels.tsa.seasonal import seasonal_decompose
    データのロードと検証
    df=pd.read_csv('https://raw.githubusercontent.com/selva86/datasets/master/a10.csv', parse_dates=['date'], index_col='date') # parse_dates를 통해 데이터를 str에서 date로 파싱, index_col로 시계열 데이터 인덱스 지정
    df.head()
    df['value'].plot()

    季節分解応用と出力
    result= seasonal_decompose(df, model='additive', two_sided=False)
    result.plot()
    plt.show()

    クロック列データ解析


    表列データ予測モデルの作成


    テーブル列データの使用