時系列分解(STL分解)の理論と実装 — トレンド・季節・残差を分離する
毎月の電力消費量のグラフを眺めると、3つの要素が重なっていることに気づきます。ま...
時系列のスペクトル解析 — ピリオドグラムとパワースペクトル密度の理論と実装
ピアノのA4の音は440Hzの振動です。しかし実際にピアノの音を録音して波形を見...
VARモデル(ベクトル自己回帰)の理論と実装 — 多変量時系列の相互関係を捉える
株価が上がると消費が増えるのでしょうか、それとも消費が増えるから株価が上がるので...
指数平滑法とHolt-Winters法 — トレンドと季節性を捉える古典的予測手法
明日の気温を予測するとき、1年前の気温と昨日の気温のどちらをより重視するべきでし...
SARIMAモデルによる季節時系列予測 — 季節性を捉える拡張ARIMAの理論と実装
アイスクリームの売上は毎年夏に急増し、冬に落ち込みます。航空旅客数は毎年同じ月に...
MAモデル(移動平均モデル)の理論と実装 — ARモデルとの違いを理解する
ある日の株価が急落したとします。翌日の株価は「前日の下落ショックの影響」を引きず...
ベイズニューラルネットワーク — 重みの不確実性を考慮した深層学習
深層学習モデルは多くのタスクで優れた性能を発揮しますが、その予測には重大な弱点が...
PyMCで学ぶ確率的プログラミング — ベイズモデリングの実践入門
ベイズ統計の理論を学ぶと、事後分布を解析的に計算できるのは共役事前分布を使える限...
ベイズ最適化の理論 — ガウス過程と獲得関数でブラックボックス関数を効率的に最適化する
機械学習のモデルを構築するとき、学習率やドロップアウト率、正則化の強さなど、調整...
ベイズモデル平均化(BMA) — 複数モデルの予測を最適に統合する
ある問題に対してモデルを構築するとき、複数の候補モデルが同程度にデータをよく説明...