時系列データの扱い方

後藤仁奈
時系列データの扱い方

2 ITOCHU Techno-Solutions Corporation
自己紹介
 名前：後藤仁奈
 所属：伊藤忠テクノソリューションズ株式会社
AIビジネス推進部
 仕事内容： AIフレームワークを使ったデータ分析（主にPoC）
AIを始めて2年弱

3 Copyright © 2016 ITOCHU Techno-Solutions Corporation
本日のテーマ
数値系の時系列データを
ディープラーニングで分析してもいまいち精度があがらない・・・

時系列データとは
数値データ画像データ言語データ
時間の経過に従って一定の間隔で取得されたデータを時系列データといいます。
時系列データは時間とともに刻々と変化していく（前後関係を持つ）性質をもちます。
前後関係を持つという意味では自然言語も時系列データになります。

時系列分析とは
5
Copyright © 2017 ITOCHU Techno-Solutions Corporation
時系列分析
時系列分析とは、時系列データを扱う分析のことです。
「過去3か月の売上が良いから、次の月の売上も良いだろう」など、過去のデータから未来を予測する事がで
きます。
時系列でないデータ時系列データ
独立値として扱い、
それぞれのポイン
トで分析
連続値として扱い、
時間による傾向の
変化を分析
Aさん Bさん Cさん Dさん
身
長
00:01 00:02 00:03 00:04
気
温
身長体重
A ？ 10
B ？ 20
C ？ 30
D ？ 40
気温湿度
00:01 ？ 10
00:02 ？ 25
00:03 ？ 20
00:04 ？ 40

時系列データをディープラーニングで分析してみる
6
時系列データにディープラーニングを使う
機械学習／DL時系列データ

7
RNN（再帰型ニューラルネット）
RNN(Recurrent Neural Network)は、内部に再帰機能を持つニューラルネットの総称で、その
機能のおかげで情報を一時的に記憶し、ふるまいを動的に変化させることができます。
LSTM（Long Short Term Memory）
LSTMはRNNの拡張的な手法で、中間層をメモリユニットと呼ばれる要素に置き換えた構造を
持ちます。
メモリユニットは、内部に「入力ゲート」「出力ゲート」「忘却ゲート」と呼ばれる３つの
ゲートを持ち、これにより長期依存を実現しています。
RNN
Y
S
X
中間層
入力層
出力層
LSTM
Y
メモリユ
ニット
X
中間層
入力層
出力層

8
全結合 LSTM
ほとんど精度は
向上しない…

9
数値系の時系列データを扱う際、
ディープラーニングだけでは限界…？

10Copyright © 2017 ITOCHU Techno-Solutions Corporation
時系列データに統計学を使う
統計分析
時系列データ＝短期的な自己相関
＋周期変動
＋季節性
＋トレンド
＋外因性
時系列データを統計学で分析

11
統計を用いた代表的な時系列モデル
自己相関
【売上の上昇が3か月続いている
なら翌月の売上も良いだろう】
自己回帰移動平均モデル
（ARMA）
自己回帰和分移動平均モデル
（ARIMA）
季節性／周期性
【昨年の〇月の売上が良いから
今年の〇月も良いだろう】
季節階差（前年同期との差）
SARIMAモデル
外因性
【近くで大きなイベントがあるか
ら今日は売り上げが良いだろう】
ARIMAXモデル
ARIMAErrorモデル
統計的なアプローチでは、データの変動要因によって使用するモデルを使い分けます。
時系列データを統計学で分析

メリットとデメリット
12
時系列分析は、統計分析と機械学習／ディープラーニング分析があります。
数値系時系列分析のアプローチ方法
機械学習／DL統計分析
時系列データ
メリット
・DLで精度が出なくても、向上する可能
性がある
・分析結果を説明しやすい（要因を説明で
きる）
デメリット
・データ加工やモデルの作成に手間／時間
がかかる
メリット
・データ構造がわからなくても、ある程度
の精度が出せる
デメリット
・精度が出たとしても、説明がしにくい
（要因が断定できない）
・データによっては精度向上に限界がある

まとめ
13
時系列データの扱い方
時系列データとは
- 一定間隔の時刻で取得されている数値データ
- 前後関係を持つ自然言語データ（系列データ）
時系列データは、主に統計と機械学習／ディープラーニングによる分析アプローチがある
数値系の時系列データは、複数の変動要因が混在して構成されているため、
ディープラーニングよりも統計分析を用いるメリットが大きいかも
ディープラーニングと統計学にはそれぞれメリットデメリットがあるため、
どちらの要素も取り入れることで違う結果が得られるかも

時系列データの扱い方

Recomendados

Recomendados

Mais conteúdo relacionado

Semelhante a 時系列データの扱い方

Semelhante a 時系列データの扱い方 (20)

Mais de Yutaka Terasawa

Mais de Yutaka Terasawa (14)

時系列データの扱い方