複数の時系列データを入力とした機械学習を実行したい

機械学習に関しては初心者なのでご了承ください．
複数の時系列データ, 例えばなのですがA市の明日の気温を推定するために手元のA市の天気,湿度,川の水温など複数の時系列データを使用したいと思っています. 株価の予測にその銘柄のこれまでの時系列データを使うのではなく他の主要指数や他の銘柄の株価のデータを使うといったことでも当てはまるかもしれません.

仮説として前の状態が次の時刻の状態に影響を与えているというものがあります.

そのためニューラルネットワークにただ入力するのでは推定精度が低くなってしまいます. 他にどのような手法があるのでしょうか．またできるなら推定結果に対して確度(何パーセントの確率でこの値になる)のようなものを調べられるものが得られるようにしたいです.

#調べたこと
時系列データの分析でよく使用されるLSTMなどは一つの時系列データに対する推定となっているようで求めるものと異なっているように思われました.

jbpb0

2021/11/27 05:46

VARモデルが使えるかもしれませんググってみてください

ammtjm

2021/11/27 07:12

ありがとうございます，調べてみます

行動規範の内容に同意します

回答1件

ベストアンサー

色々考えられますが代表的なのはコメントにもあるような

VARモデルを用いる

-- Pythonを使ってVARモデルにおける多変量時系列予測モデルの構築など
-- ただこの手法は条件設定などの取り扱いが難しいです

ラグ特徴量を用いた機械学習

-- ラグ特徴量などでググるとたくさん出てくると思いますが例えば
---【機械学習】時系列データの前処理 -ラグ特徴量作成-
--ご要望の内容ですとこちらが近いかと思います。過去の特徴量が未来に利いているのであれば有効です

仮説として前の状態が次の時刻の状態に影響を与えているというものがあります.

時系列分析による予測では一般的な考え方です。これが当てはまらないのであれば予測は全く出来ません。

そのためニューラルネットワークにただ入力するのでは推定精度が低くなってしまいます. 他にどのような手法があるのでしょうか．またできるなら推定結果に対して確度(何パーセントの確率でこの値になる)のようなものを調べられるものが得られるようにしたいです.

「そのためニューラルネットにただ入力するのでは推定精度が低く」がよく分かりません。アルゴリズムによるというよりも特徴量をどう作り出し、アルゴリズムに与えるかがまず重要かと思います。
「推定結果に対して確度(何パーセントの確率でこの値になる)」は通常はあり得ないかと思います。予測区間として、「○％の確率でXXXからYYYの値の範囲になる」でしたら可能です。