時系列予測
30 社の顧客の時間単位の電力需要を題材に、1 日先の需要を予測し、その予測が妥当であることを確かめる方法を扱う。内容は、ベースライン、未来を一切見ないバックテスト、統計モデル、全顧客に対する 1 つの LightGBM モデル、合計が一致する予測、そして較正された予測区間である。
対象読者 pandas と基本的な回帰を知っており、売上、エネルギー、チケット、トラフィックなどの需要を予測するよう求められ、検証されても通用する予測を必要とするデータサイエンティストとアナリストに向けた本である。
Kindleまたは任意の電子書籍リーダーで読む
EPUB は Apple Books、Kobo、そのほとんどの電子書籍リーダーでも利用できる。
Kindleに送る
この版のEPUBを送信します。 日本語.
-
当社のアドレスを承認する
Amazonは、承認済みのアドレスからのものに限ってKindleへ配信する。配信するサービスごとに一度ずつ承認が必要である。当社のアドレスを、承認済みのパーソナルドキュメント用メールアドレスの一覧に追加する。
books@rollingedition.comAmazonのパーソナルドキュメント設定を開く. Amazonでは、「コンテンツと端末の管理」、「環境設定」、「パーソナルドキュメント設定」の順に進む。
送信しました。数分後に Kindle のライブラリに表示されます。
届かない場合、ほとんどは手順1の承認が原因である。books@rollingedition.comが承認済みのパーソナルドキュメント用メールアドレスの一覧に入っているかを確認する。
保存した書籍の新しい版も、同じくKindleに届く。
Kindle のアドレスではない。アドレスは @kindle.com で終わる。Amazon の「パーソナル ドキュメント設定」で確認できる。
本日すでに {count} 冊を送信しており、これは1アカウントが1日に送信できる上限である。明日再度試すこと。
本日送信できる冊数の上限に達した。明日再度試すこと。
書籍を送信できなかった。数分後に再度試すこと。
この版は大きすぎて電子メールで送信できない。
Kindleへの送信はLabsに含まれる。
Kindle のアドレスではない。アドレスは @kindle.com で終わる。Amazon の「パーソナル ドキュメント設定」で確認できる。
書籍を送信できなかった。数分後に再度試すこと。
または、EPUBをダウンロードし、AmazonのSend to Kindleページにドロップする。
Kindle is a trademark of Amazon.com, Inc.
目次
10 章、読了までおよそ9 時間 2 分、41 例を収録。
-
1明日の需要を予測する
本章では、明日の需要に対する最初の予測と、以降のすべての予測が上回らなければならない単純なベースラインを構築する。
-
2モデルが超えるべきベースラインを定める
本章では、ある顧客の翌日需要予測に対して、ナイーブ予測、季節ナイーブ予測、週平均予測の三つのベースラインを計算する。
-
3未来を見ずにバックテストを行う
本章では、1年分のカットオフに対して翌日予測を採点するときに、その履歴へ未来を混入させない方法を扱う。
-
4顧客ごとに統計モデルを当てはめる
本章では、同一のバックテストに対して、顧客ごとに AutoETS と固定の季節 ARIMA を当てはめ、両者を季節ナイーブと比較して採点する。
-
5カレンダー特徴量とラグ特徴量を加える
この章を終えると、次のことができるようになる。
-
61つのモデルで多数のクライアントを予測する
この章を終えると、30クライアント全体に対する1つのグローバルモデル、開始が遅いクライアントの先頭のゼロをモデルに入れないための開始規則、そして同じカットオフでクライアントごとにこのモデルを季節ナイーブ予測と並べて比較するスコアが手に入る。
-
7合計を一致させる
本章では、30 の顧客の合計需要を 2 通りの方法で予測し、判断窓(decision window)を用いて両者のどちらを採るかを選び、各締め切り時点より前の履歴だけを使ってその合計を顧客ごとの比率に分割する。
-
8予測の不確実性を定量化する
本章では、前日予測のそれぞれに区間を設け、その予測を購入の判断に用いてよいかどうかを述べられるようにする。
-
9Prophet と基盤モデルの比較
この章を終えると、本書で標準とする三つのカットオフに Prophet を適合させ、記録済みの基盤モデル(Chronos-2)と記録済みのニューラルモデル(NHITS)を読み込み、すべてを同じ実測値に対して一つの MASE の尺度で評価できるようになる。
-
10Keep the forecast running
Once a forecast runs every day, the question changes from whether it scored well to whether it still holds on the day it's used.