モデル作成– category –
-
【Python実践】SARIMAで時系列データ分析！予測・異常検知・補正を攻略
時系列データには、トレンド（傾向）や季節性（周期的な変動）など、複雑なパターンが含まれることが少なくありません。こうした特徴を捉えるために、より高度なモデルが必要になる場面も多いでしょう。 そこで登場するのが SARIMA（季節調整付きARIMA）モ... -
【Python実践】Prophetで時系列データ分析！予測・異常検知・補正を攻略
Prophetは、季節性や休日効果など複雑な時系列パターンを簡単に扱えるのが強みで、ビジネス現場での需要予測や異常検知に幅広く利用されています。Python初心者でも扱いやすい設計で、手軽に高精度な予測モデルを構築可能です。 本記事では、Facebookが開... -
【Python実践】指数平滑化法（ES）で時系列データ分析！予測・異常検知・補正を攻略
この記事では、過去のデータに重みをつけながら平均を取ることで、未来を予測したり異常を検知したりできる「指数平滑化法（Exponential Smoothing, ES）」について、Pythonコード付きでわかりやすく解説します。 「時系列分析に興味はあるけど、ARIMA や ... -
【Python実践】移動平均（MA）で時系列データ分析！予測・異常検知・補正を攻略
時系列データ分析の基本にして、もっとも直感的な手法のひとつが「移動平均（Moving Average、MA）」です。過去のデータを一定期間で平均化し、トレンドや周期性、ノイズを滑らかに見せるこの手法は、予測や異常検知の第一歩として幅広く活用されています... -
【Python実践】ワイブル分布（分析）で故障予知！（コピペで使えるサンプルコード付き）
製造業や品質管理の現場では、「いつ機械が故障するのか？」を予測することが重要です。その答えを導くために活用されるのがワイブル分布。これは、スマートフォンのバッテリー寿命や自動車部品の耐久性など、時間の経過に伴う故障の「ばらつき」を数学的... -
【Python実践】深層学習で回帰問題を解く（コピペで使えるサンプルコード付き）
回帰問題とは、数値を予測するための機械学習の手法の一つです。一般的には線形回帰や決定木ベースの手法（XGBoost、LightGBMなど）が用いられますが、深層学習（Deep Learning）を活用することでより複雑な関係を学習し、高精度な予測が可能になります。 ... -
【実践事例】CNN＋クラスタリングによる特徴量画像分類（コピペで使えるサンプルコード付き）
「【Python実践】OpenCV×SIFTで画像分類！特徴量を活かした分析手法（コピペで使えるサンプルコード付き）」の記記事では、スケールや回転に強い特徴点検出手法であるSIFT（Scale-Invariant Feature Transform）を活用した画像分類についてご紹介しました... -
【Python実践】OpenCV×SIFTで画像分類！特徴量を活かした分析手法（コピペで使えるサンプルコード付き）
画像認識技術は、AI やコンピュータビジョンの進化とともに急速に発展しています。その中でも、SIFT (Scale-Invariant Feature Transform) は、スケールや回転変化に強い特徴点検出手法として注目されています。 本記事では、Python と OpenCV を活用し、S... -
【Python実践】スタッキング（Stacking）で回帰問題と分類問題を解く（コピペで使えるサンプルコード付き）
機械学習のアルゴリズムにはさまざまな選択肢がありますが、「高い予測精度を維持しながら、モデルの汎化性能を向上させ、複数の手法を組み合わせて最適な学習を実現したい！」そんな場面で頼れるのが スタッキング（Stacking） です。 スタッキング は、... -
【Python実践】AdaBoostで回帰問題と分類問題を解く（コピペで使えるサンプルコード付き）
機械学習のアルゴリズムにはさまざまな選択肢がありますが、「高い予測精度を維持しながら、計算コストを抑え、大規模データやカテゴリデータにも対応したい！」そんな場面で頼れるのが AdaBoost です。 AdaBoost（Adaptive Boosting）は、弱学習器を組み...
