時系列データが使われる範囲は広く、医療データ、金融分析、経済予測、天気予報など、さまざまな分野で使われています。本書は時系列データを通してデータ解析手法を学んでゆくアプローチで、データのクリーニング、プロットの方法、入出力など基本的なトピックについてひととおりカバーしてから、さまざまな分野の事例を数多く取り上げ、統計的手法と機械学習手法の両方を時系列データに適用し、また人気のオープンソースツールも積極的に取り入れた手法を紹介します。プログラムにはRとPythonの両方を利用。データセットやコードはGitHubからダウンロード可能です。 はじめに 1章 時系列の概論と簡単な歴史 1.1 時系列の多様な用途の歴史 1.1.1 時系列問題としての医学 1.1.2 気象予測 1.1.3 経済成長の予測 1.1.4 天文学 1.2 時系列解析の人気に火がつく 1.3 統計的時系列解析の起源 1.4
4. 公開にあたって ●まえがきに代えて 本書は 株式会社 セガ にて行われた有志による勉強会用に用意された資料を一般に公開するもので す。勉強会の趣旨は いわゆる「大人の学び直し」であり、本書の場合は高校数学の超駆け足での復習 から始めて主に大学初年度で学ぶ線形代数の基礎の学び直し、および応用としての３次元回転の表現の 基礎の理解が目的となっています。広く知られていますように線形代数は微積分と並び理工系諸分野の 基礎となっており、だからこそ大学初年度において学ぶわけですが、大変残念なことに高校数学では微 積分と異なりベクトルや行列はどんどん隅に追いやられているのが実情です。 線形代数とは何かをひとことで言えば「線形（比例関係）な性質をもつ対象を代数の力で読み解く」 という体系であり、その最大の特徴は原理的に「解ける」ということにあります。現実の世界で起きて いる現象を表す方程式が線形な振
This document discusses statistical modeling of behavioral big data. It explains that with observational data, the relationship between cause and effect is difficult to determine from simple comparisons. Statistical modeling involves modeling the data generation process and fitting the model to the data. This allows controlling for other factors that influence both the outcome variable and explana
さて、前回リストの記事から半年ぐらい経ちましたよーということで、それ以降に発刊された書籍などを吟味した上で更新したリストをお届けしたいと思います。といっても引き続き今回のリストにも入っているものが多いので変わり映えしないかもですが。。。 前回同様、統計学や機械学習にまつわる学術的な知識を得るだけにとどまらず、ビジネスにおけるデータ分析のプロとして知っておきたい知識を得るために必要な書籍もリストに入れてあります。 確率論まわりの基礎理論についての書籍は僕自身が勉強途中なので割愛しました*1。またコーディングまわりの本は一旦割愛してあります。というか僕はエンジニアとは言い難い身なので（泣）、コーディングまわりや詳細な実装プロセスなどは適宜必要な本を読んで下さいということで。。。 そして改めての断り書きですが、これは「ある程度既に統計学や機械学習などに馴染みがあってそれなりにPythonでコード
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
