2025/08/05

Pythonによる時系列予測

推薦書籍

出版社ページは
こちら

著者名：Marco Peixeiro

出版社名：マイナビ出版

株式会社分析屋
池田貴弘さん推薦！

Pythonを用いて時系列予測の基礎からディープラーニングによる大規模予測まで学べる技術本。
本書では時系列分析の基礎、統計学的モデル（MA、AR、ARMA、ARIMA、SARIMA、SARIMAX）を用いた時系列予測、ニューラルネットワークを用いたディープラーニングによる大規模時系列予測という流れで実際に手を動かしながら学ぶことができる内容となっています。回帰分析などは理解しているが時系列データの扱いには慣れていない方や時系列予測にディープラーニングモデル（LSTM、CNNなど）を活用したいという方にぜひおすすめしたい一冊です！

★★★　↓　DS協会企画委員による解説文　↓　★★★

こう

博士、時系列予測って株価予測みたいなイメージがあるのですが、この書籍ではそのような予測スキルを学べるのでしょうか？

博士

もちろんじゃ！この書籍を最後まで読めば、株価予測モデルを作るスキルを身につけることができるぞ！時系列とは時間順に並べられたデータ点の集まりのことで、言うまでもないが気象学から金融、経済学、マーケティングまで、さまざまな分野で出てくる概念じゃ。

こう

時系列データがあれば予測ができるということは、売り上げ予測とか電力使用量予測とかもできそうですね！

博士

そうじゃな、この書籍では統計モデルやディープラーニングによる大規模予測を学ぶことができ、例題としてデータセンターの帯域幅使用量予測やJohnson&Johnson社の四半期ごとのEPS（１株当たりの純利益）予測、アメリカの実質国内総生産（GDP）予測、オーストラリアの抗糖尿病薬処方数の予測、家庭の電力消費量予測などが取り上げられておる。

こう

統計モデルとディープラーニングモデルの2つの手法があるということは理解しましたが、実際にどのように使い分けていくのでしょうか？データ量が多くなるとディープラーニングモデルにしたほうが良いということなんですかね？

一般的に統計モデルが予測に対して特にうまくいくのは、データセットが小さい（データ点が10,000に満たない）場合と、季節周期（データの周期性）が月次〜年次である場合と言われておる。そのためデータセットが非常に大きい（データ点が10,000を超える）状況や季節周期が日次に現れるような場合、高次元の時系列予測をする場合はディープラーニングモデルを構築した方が予測精度は良くなるのじゃ。

こう

やはりデータ量によって使い分けていくんですね！「周期性」などの時系列データの基礎的な知識や分析手法など知識が全くないのですが、この書籍の内容についていけるでしょうか？

博士

心配ご無用じゃ！
この書籍では、まず時系列の基礎を学び、単純な未来予測、統計的モデル予測、ディープラーニングモデル予測という流れで初学者でも理解しやすい内容と構成になっておる。この書籍で時系列予測をマスターして、ぜひ自分の興味のある分野のデータで、色々な時系列予測を行なってどんどんスキルを磨いて欲しいぞ！

こう

ありがとうございます、博士！時系列予測をマスターして、実務でも活用したいと思います！

解説文執筆：

データサイエンティスト協会　企画委員会

株式会社分析屋　野口航輔／株式会社GRI　小林大輔