RapidMiner(ラピッドマイナー)はデータ可視化、データ加工、モデル作成、評価、運用まで一括サポートする機械学習プラットフォームです。KSKアナリティクスはRapidMinerの正規販売代理店です。

Function and Seasonal Component Forecast

概要

この演算子は、Function and Seasonal Component Forecastモデルをトレーニングします。

詳細

モデルには、時系列の傾向を表す多項式関数と、時系列の季節効果を表す長さ季節性を持つ季節成分が含まれます。

時系列の予測は、多項式関数を評価してトレンド値を決定し、季節成分の対応する値を(実行された分解の分解モードに応じて)加算または乗算することによって作成されます。

この演算子は、最初に時系列で分解(分解のタイプについてはパラメーター分解法を参照)を実行し、トレンドおよび季節成分を決定することにより、関数および季節成分予測モデルをトレーニングします。季節コンポーネントは、予測モデルに直接使用されます。多項式近似(パラメーターdegreeで指定される次数 )がトレンド値に対して実行されます。適合関数は、予測モデルに提供されます。

分解が選択されていない場合、時系列に対して分解は実行されません。季節成分の長さは1、値は0です。その後、分解されたトレンド値ではなく、元の時系列値に対して多項式近似が実行されます。

近似が選択されていない場合、多項式関数は近似されず、値0( 分解モード加法の場合)または1( 分解モード乗法の場合)の定数が関数に使用されます。

この演算子は、数値時系列でのみ機能します。

分化

この演算子は他のモデリング演算子に似ていますが、時系列データで動作するように特別に設計されています。これが意味することの1つは、予測モデルがトレーニングされた同じデータに適用されるべきであるということです。

Apply Forecast

この演算子は、トレーニング済みの予測モデル(関数および季節成分予測モデルなど)を受け取り、トレーニングされた時系列の予測を作成します。

ARIMA

この演算子は、時系列データでARIMAモデル(自己回帰統合移動平均)をトレーニングして、予測を実行します。

Default Forecast

この演算子は、予測を実行するために、時系列データのデフォルト予測モデル(単一値を予測)をトレーニングします。

Holt-Winters

この演算子は、予測を実行するために、時系列データでHolt-Wintersモデル(三重指数平滑法)をトレーニングします。

入力

  • サンプルセット (IOObject)時系列データを属性として含むExampleSet。

出力

  • 予測モデル(IOObject)指定された時系列属性に適合する関数および季節予報モデル。元の時系列値も含まれます。
  • オリジナル(IOObject)入力として与えられたExampleSetは、変更なしでパススルーされます。

パラメーター

  • time_series_attributeFunction and Seasonal Component Forecastモデルを構築する対象の時系列属性(数値)。必要な属性は、このオプションから選択できます。メタデータがわかっている場合は、パラメーターのドロップダウンボックスから属性名を選択できます。範囲:
  • indices_attribute
    時系列のインデックス値を保持する属性。日付、date_time、または数値タイプの属性のいずれかです。メタデータがわかっている場合、属性のドロップダウンボックスから属性名を選択できます。範囲:
  • decomposition_methodこのパラメーターは、時系列のトレンドおよび季節成分を決定するために使用される分解の種類を定義します。季節成分は、関数および季節予測モデルに直接使用され、トレンド成分は、多項式関数をそれに適合させるために使用されます。
    • no decomposition:分解は実行されません。季節成分の長さは1、値は0です。polynomial fitは、元の時系列値に対して実行されます
    • classic decomposition:Classic Decompositionが実行されます(オペレーター「Classic Decomposition」を参照)。
    • STL decomposition::STL Decompositionが実行されます(オペレーターSTL Decompositionを参照)。分解モードは相加的に設定されます。

    範囲:

  • function_fitting_methodこのパラメーターは、予測モデルの function fitting methodを定義します。 decomposition methodno decompositionでない場合、関数は分解されたトレンド値に適合します。次に、元の時間間隔の値に対して適合が実行されます。
    • 適合なし:関数は適合せず、値0(分解モードが加法の場合)または1(分解モードが乗法の場合)の定数が予測モデルの関数に使用されます。
    • 多項式関数:次数パラメーターで指定された次数の多項式関数が近似されます。この適合により、無効な値は無視されます。詳細については、演算子抽出係数(多項式フィット)を参照してください。

    範囲:

  • degreeこのパラメーターは、 function fitting method多 polynomial fitの場合にのみ表示されます。このパラメーターは、時系列に適合した多項式関数の次数を定義します。範囲:
  • decomposition_modeこのパラメーターは、 decomposition methodclassic decomposition場合にのみ表示されます。モード、さまざまなコンポーネントを組み合わせる方法。
    • 加算:トレンド、季節および残りのコンポーネントが時系列を構築するために追加されます:Y = T + S +R。季節および残りのコンポーネントがトレンドレベルに依存しない場合に使用されます。
    • 乗法:トレンド、季節および残りの成分を乗算して時系列を作成します:Y = T x S xR。季節および残りの成分の大きさがトレンドレベルに依存する場合に使用します。

    範囲:

  • seasonalityこのパラメーターは、 decomposition methodclassic decompositionまたはSTL decomposition場合にのみ表示されます。季節コンポーネントの1つの季節パターンの長さ。たとえば、毎年発生する季節パターンの場合、季節性は4(四半期データの場合)、12(月データの場合)、または52(週データの場合)です。または、1時間ごとに発生するパターンの場合、季節性は60(毎分データの場合)または3600(2番目のデータの場合)です。範囲:
  • default_robust_calculationsこのパラメーターは、 decomposition methodSTL decomposition場合にのみ表示されます。このパラメーターは、異常値を処理するための堅牢な反復のデフォルト設定を分解に含めるかどうかを定義します。内部反復の数は1に、ロバスト反復の数は15に設定されます。範囲:
  • inner_iterationsこのパラメーターは、 decomposition methodSTL decomposition場合にのみ表示されます。このパラメーターは、分解コンポーネントの推定の精度を向上させるために実行される内部反復の数を定義します。範囲:
  • robust_iterationsこのパラメーターは、 decomposition methodSTL decomposition場合にのみ表示されます。このパラメーターは、傾向と季節成分の推定に対する異常値の影響を減らすために実行される堅牢な(外部)反復の数を定義します。データに異常値が予想されない場合、0に設定できます。範囲:
  • season_smoothing_settingsこのパラメーターは、 decomposition methodSTL decomposition場合にのみ表示されます。このパラメーターは、 seasonal smoothingのどの設定がユーザーによって設定され、どの設定がオペレーターによってデフォルト値に設定されるかを定義します。 seasonal smoothingには、seasonal widthseasonal degree 、seasonal jump 3つのパラメーターがあります。個々のパラメーターの効果とデフォルト設定に関する説明を参照してください。
    • デフォルト:seasonal widthのみを指定する必要があります。
    • 定期的:このオプションは、季節的要素が厳密に周期的であることを禁じます。 3つのパラメーターはすべて、オペレーターによって設定されます。
    • 幅と程度:seasonal widthとseasonal degreeを指定する必要があります。seasonal jumpはデフォルト値に設定されます。
    • 幅とジャンプ:seasonal widthとseasonal jump を指定する必要があります。seasonal degreeはデフォルト値に設定されます。
    • all:3つのパラメーターすべてを指定する必要があります。

    範囲:

  • seasonal_widthこのパラメーターは、 decomposition methodSTL decomposition場合にのみ表示されます。季節成分を決定するための黄土スムーザーの幅。 2より大きく、不均一でなければなりません。 seasonal widthが均等である場合、自動的に1ずつ増加します。seasonal width大きいと、時間の経過に伴う季節成分の変化率が低下します。 seasonal smoothing settingsperiodicに 設定されている場合を除き、常に指定する必要があります。この場合、 seasonal widthは時系列の長さの100倍に設定されます。範囲:
  • season_degreeこのパラメーターは、 decomposition methodSTL decomposition場合にのみ表示されます。黄土平滑化で使用される多項式の次数。 0、1、または2であり、デフォルトは1である必要があります。 seasonal smoothing settingsperiodic に設定されている場合、次数は0に設定されます。範囲:
  • seasonal_jumpこのパラメーターは、 decomposition methodSTL decomposition場合にのみ表示されます。黄土平滑化の間にスキップされるポイントの数。 0より大きくする必要があり、デフォルトはseasonal width(天井あり)の10%です。範囲:
  • trend_smoothing_settingsこのパラメーターは、  decomposition methodSTL decompositionの場合にのみ表示されます。このパラメーターは、ユーザーによって設定されるトレンドスムージングの設定と、オペレーターによってデフォルト値に設定される設定を定義します。トレンドスムージングには、 trend width 、 trend degreetrend jump 3つのパラメーターがあります。個々のパラメーターの効果とデフォルト設定に関する説明を参照してください。
    • デフォルト:3つのパラメーターすべてに対して、デフォルト値が使用されます。
    • flat:トレンドコンポーネントは強制的にフラットになります。 3つのパラメーターはすべて、オペレーターによって設定されます。
    • linear:トレンドコンポーネントは強制的に線形になります。 3つのパラメーターはすべて、オペレーターによって設定されます。
    • width:trend widthのみを指定する必要があります。
    • 度:trend degreeのみを指定する必要があります。
    • ジャンプ:trend jumpのみを指定する必要があります。
    • 幅と度合い:trend widthtrend degreeを指定する必要があります。trend jumpはデフォルト値に設定されます。
    • 幅とジャンプ:trend widthtrend jumpを指定する必要があります。 trend degreeはデフォルト値に設定されます。
    • 度とジャンプ:trend degreetrend jumpを指定する必要があります。trend widthはデフォルト値に設定されます。
    • all:3つのパラメーターすべてを指定する必要があります。

    範囲:

  • trend_widthこのパラメーターは、  decomposition methodSTL decomposition場合にのみ表示されます。トレンド成分を決定するための、より滑らかな黄土の幅。 2より大きく、不均一でなければなりません。 trend widthが偶数の場合、自動的に1ずつ増加します。 trend widthは、トレンドコンポーネントの平滑化効果を高めます。  trend smoothing settingflat またはlinear 設定されている場合、 trend widthは時系列のseasonality 長さの100倍に自動的に設定されます。ユーザーが指定しない場合、trend widthデフォルトでfloor(1.5 x seasonality /(1-1.5 / seasonal width)+ 0.5)になります。範囲:
  • trend_degreeこのパラメーターは、  decomposition methodSTL decomposition場合にのみ表示されます。黄土平滑化で使用される多項式の次数。 trend smoothing settingsflat またはlinear 設定されている場合、trend widthは自動的に0(flat )または1(linear )に設定されます。範囲:
  • trend_jumpこのパラメーターは、  decomposition methodSTL decomposition場合にのみ表示されます。黄土平滑化の間にスキップされるポイントの数。 0より大きくする必要があり、デフォルトはtrend width 10%(上限)です。範囲:
  • lowpass_smoothing_settingsこのパラメーターは、 decomposition methodSTL decomposition場合にのみ表示されます。このパラメーターは、ユーザーによって設定されるローパススムージングの設定と、オペレーターによってデフォルト値に設定される設定を定義します。ローパススムージングには、 lowpass width 、 lowpass degreelowpass jump 3つのパラメーターがあります。個々のパラメーターの効果とデフォルト設定に関する説明を参照してください。
    • デフォルト:3つのパラメーターすべてに対して、デフォルト値が使用されます。
    • width:lowpass widthのみを指定する必要があります。
    • 度:lowpass degreeのみを指定する必要があります。
    • jump:lowpass jumpのみを指定する必要があります。
    • 幅と度数:lowpass widthとlowpass degreeを指定する必要があります。ローパスのジャンプはデフォルト値に設定されます。
    • 幅とジャンプ:lowpass widthとlowpass jumpを指定する必要があります。lowpass degreeはデフォルト値に設定されます。
    • 度とジャンプ:lowpass degreeとlowpass jumpを指定する必要があります。lowpass widthはデフォルト値に設定されます。
    • all:3つのパラメーターすべてを指定する必要があります。

    範囲:

  • lowpass_widthこのパラメーターは、 decomposition methodSTL decomposition場合にのみ表示されます。時系列データから季節成分を平滑化する(および除去する)ための、より滑らかな黄土の幅。 2より大きく、不均一でなければなりません。 lowpass widthが偶数の場合、自動的に1つ増加します。ユーザーが指定しない場合、 lowpass widthデフォルトでseasonityになります範囲:
  • lowpass_degreeこのパラメーターは、 分decomposition methodSTL decomposition場合にのみ表示されます。黄土平滑化で使用される多項式の次数。 0、1、または2でなければならず、デフォルトは1です。範囲:
  • lowpass_jumpこのパラメーターは、decomposition methodSTL decomposition場合にのみ表示されます。黄土平滑化の間にスキップされるポイントの数。 0より大きくする必要があり、デフォルトはローパス幅の 10%(上限)です。範囲:

チュートリアルプロセス

毎月の乳生産に関する機能と季節成分の予測

このチュートリアルプロセスでは、月間乳生産データで関数および季節成分モデルをトレーニングすることにより、関数および季節成分予測オペレーターの基本的な使用方法を示します。

API認証に失敗しました メールまたはパスワードが正しくありません メールアドレスは必須です パスワードは必須です
キャンセル