ここでは予測という観点から書かれた記事を載せています。
また、フリーのデータ解析環境「R」を使った例も多く載せています。
※統計基礎の内容を別の記事に移動しました。こちらから閲覧できます。

最終更新:2018年05月04日



スポンサードリンク

 予測理論の基礎

予測の話
予測に便利な統計の基本や、本ページの趣旨などについて書かれています。

予測理論とpredictability
予測って何? という素朴な疑問から始める予測理論の入門スライド的なものです。

 

回帰分析系

単回帰分析
単回帰分析による予測の簡単な説明と、プログラムです

モデル選択 理論編
モデル選択の簡単な方法論の説明

モデル選択 実践編
実際にモデル選択をして見る

重回帰分析
重回帰分析による予測

平滑化スプラインと加法モデル
非線形な状況をモデル化できる平滑化スプラインと加法モデルの紹介と予測

一日目 統計基礎~正規線形モデル
二日目 一般化線形モデル
北大で行った統計勉強会の資料です。
統計基礎~GLM(一般化線形モデル)までざっくり俯瞰したい人におすすめ。
主に回帰分析系の話です。
書籍「平均・分散から始める一般化線形モデル入門」のもとになった資料です。

 

時系列分析系

時系列解析 理論編
時系列解析の簡単な解説とパッケージforecastの紹介

時系列解析_ホワイトノイズとランダムウォーク
予測不能な、純粋なノイズからなるデータの紹介

時系列解析 実践編
実際に時系列解析と予測を行う

予測の評価方法
予測誤差の計算方法や予測の良さを評価する手法の解説

R言語による時系列予測とクロスバリデーション法による評価
クロスバリデーション法を用いた予測の評価方法の解説

VARモデル
VARモデルによる予測

時系列データへの回帰分析
見せかけの回帰への対応として、単位根検定・共和分検定・一般化最小二乗法(GLS)について説明しています。

時系列解析の文献
時系列解析のおすすめ本の紹介です。

機械学習による時系列予測 New
caretパッケージを使った機械学習法を時系列データに適用してみました

Pythonによる時系列分析の基礎
Rではありませんが、Pythonを使ってSARIMAモデルを推定して、予測をする方法を説明しました。

Stanによる統計モデル:推測統計の基本から時系列分析まで
Stanを使って自己回帰モデルを推定します。

 

状態空間モデル関連のページ

なぜ状態空間モデルを使うのか
状態空間モデルの良さについて簡単に説明しました

状態空間モデル
状態空間モデルのことはじめ

dlmの使い方
Rで正規線形状態空間モデルを当てはめる

ローカルレベルモデル
dlmパッケージを使ってローカルレベルモデルを当てはめる

カルマンフィルタの考え方
カルマンフィルタと最尤法
2個の連作記事です。カルマンフィルタをRのライブラリを使わないで実装してみました。

季節とトレンド
dlmパッケージを使って季節成分とトレンド成分の入った正規線形状態空間モデル(動的線形モデル)を当てはめて、予測を行う

dlmによる時変形数モデル
dlmパッケージを使って、「時間によって係数が変化する回帰モデル」を作ります。

ベイズ+MCMCを使って状態空間モデルを推定する連作記事です。
ベイズの定理から始めて、ローカルレベルモデルの推定までをやっつけます。
ベイズ統計学基礎
ベイズと統計モデルの関係
ベイズとMCMCと統計モデルの関係
Stanによるベイズ推定の基礎
Stanで推定するローカルレベルモデル
”慣れ”の統計モデリング:Stanで推定する時変係数モデル

 
状態空間モデルの推定方法の分類
状態空間モデルにはいろいろな推定方法があるので、その違いをまとめました。

Pythonによる状態空間モデル
Rではありませんが、Pythonを使って状態空間モデルを推定する方法を説明しました。

 

機械学習系

機械学習とは何か
機械学習の基礎について簡単に説明しました

Rによる機械学習:caretパッケージの使い方
R言語を使って効率よく機械学習法を実装する方法として「caret」パッケージを使うやり方を解説しています。
caretパッケージの使い方を覚えるだけで、多くの機械学習法を実装することができます。

カオス時系列の基礎とニューラルネットワーク
カオス時系列の特徴とカオスの見分け方、そしてニューラルネットワークを使った予測の方法を記載しています。

ニューラルネットワークの考え方 New
ニューラルネットワークの基本的な考え方から、時系列データへの適用方法まで載せています。

サポートベクトルマシンの考え方 New
SVMの基本的な考え方とRでの計算方法を解説しています。

初めてのPython機械学習
Rではありませんが、Pythonという別のプログラミング言語を使って機械学習を実装する方法について書いています。

Pythonの簡単な使い方:環境構築~データの読み込み~図示・モデル化
Pythonの使い方について説明しています。これを読めば、環境構築から一般化線形モデルの推定まで一通り流すことができます。

 

その他

非線形でもOKな相関係数MIC
MICと呼ばれる新しい相関係数の解説

 

 ※記載内容の使用は自己責任でお願いします。無断転載は禁止です。
   バグやご意見等ございましたら、メール(logics.of.blue★gmail.com)にてお知らせください。