投稿2021/05/31 06:09
ある時系列データAがあるとします
このAを目的変数としたとき
目的変数とは異なる時系列データB(BだけでなくC,D,...のように説明変数が多変量の場合も含む)によって予測したい場合があるとします。
こういったケースではどのような手法が適切なのかという疑問です。
時系列解析手法では、
自己回帰モデルをはじめとする、過去の時系列データをもとに未来の時系列データを予測するというモデルは様々存在していると思います。
例えば、過去の株価の推移から未来の株価の推移を予測するようなケースで用いられるモデルです。
しかし、こういったモデルでは目的変数と説明変数はともに株価であり、ある種の自己教師あり学習のような問題設定であると言えます。
##教えてほしいこと
疑問点で上げた単変量または多変量の説明変数(時系列)から説明変数とは異なる目的変数(時系列)を予測するモデルとして、考えられ得るものを教えてほしい。
##今あるアイデア
①深層学習手法に頼る(FFNN, CNNなど)
入力:B,C,D,... 出力:A として学習させる方法
②重回帰分析
問題点:時系列を取り扱うことには向いていないのでは
##コメント
やや抽象的な質問となってしまっておりますが、様々なご意見が頂けると幸いです。
よろしくお願いいたします。
回答2件
0
コメントありがとうございます。
多変量時系列問題に帰着することは納得いたしました。
一つ誤解を招いてしまっておりましたので、説明を訂正致します。
私の言う
説明変数と目的変数が異なると言うことを具体例を用いて説明すると、
説明変数を東京の気温
目的変数を東京にある、アイスクリーム店Aのアイスクリームの売り上げ
のような場合を言っておりました。
たしかに
説明変数 先月までのアイス店A売り上げデータ(t0〜tn)
目的変数 今月のアイス店Aの売り上げ(tn+1〜tn+31)
のような問題を設定したとすれば、説明変数と目的変数は異なるということになります。
本質的には確かに両者は同質であると言うことも納得できます。念のため、補足をさせて頂きました。
投稿2021/05/31 11:38
総合スコア31
0
質問者様がおっしゃる「説明変数と目的変数が異なる」ということと、「目的変数以外にも説明変数が存在する（多変量）」は等価です。なぜなら時系列問題では、目的変数の過去情報は説明変数であるためです。
この点を冷静に考えれば、質問されていることは、普通の多変量時系列問題に帰着されます。
多変量時系列問題に関しては、こちらのやりとりを参照ください。
投稿2021/05/31 10:55
総合スコア3266
あなたの回答
tips
プレビュー
Q&A
バッドをするには、ログインかつ
こちらの条件を満たす必要があります。