入門！「時系列データ分析」道 vol.1
こんにちは。Node-AI 開発の林です。
Node-AI の開発チームにジョインしてもうそろそろ1 年が過ぎようとしています。開発未経験ということもあり、そちらのキャッチアップで精一杯。データ分析は置き去りにしてしまいました。（という言い訳です。。）
そんなデータ分析初学者の私が Node-AI を通して時系列データ分析を学んでいくシリーズ - 入門！「時系列データ分析」道の 1 本目となります。
さっそく入門していきたいわけですが・・・何をしたらいいかわかりませんね。
はい。そうなんです、何したらええねんって感じです。多くの初学者の方は、似たような悩みを抱えているのではないでしょうか。
そんなときは Node-AI Academy という学習コンテンツを取り揃えているサイトにとりあえず行ってみましょう！コンテンツは時系列データ分析に関する一般的な知識や分析における Tips が記事になっています。
初手読んだ方が良さそうな記事を探すためにも、最初に開いたページで右パネルのカテゴリを探してみると「分析設計・データ理解」というのがあったのでポチっと。
現在 2 本の記事がありました。それぞれ長過ぎず読みやすくはなっているのですが、要点だけメモしておきたいと思います。
時系列データの基本概念
時系列データの基本的な性質を理解してもらうこと が目的の記事となっていました。
記事のポイント
1. 時系列データとは何か: 時間の経過とともに記録されたデータであり、身近な例として株価や気温データなどが挙げられる
2. 時系列データの特徴: 時間依存性、季節変動、傾向変動、残差変動といった特徴があり、分析の際にこれらの特徴を考慮することが重要である
3. 時系列データ分析の例: 例えば STL 分解を用いることで、時系列データを各成分に分解し、データへの理解を深めることができる
これらの情報によって読者が時系列データ分析の基礎を理解し、分析への興味関心を高めることを目指す記事となっていました。
データ分析プロセスの全体像
データ分析初心者に向けて、「ベースライン」という考え方 を理解してもらい、データ分析の第一歩を踏み出すことを支援することを目的の記事となっていました。
記事のポイント
1. ベースラインの重要性: データ分析の全体像を把握するための最小限の分析フローであり、まずはベースラインを構築することが重要
2. ベースラインのメリット: データの特性や課題の早期発見、分析の方向性の明確化、モデル評価の基準設定などが挙げられる
3. CRISP-DMモデルとの関連性: データ分析の標準的なプロセスモデルであるCRISP-DMモデルがベースラインの考え方で参考になる
4. Node-AIを用いたベースライン作成: Node-AI を用いて、ベースラインを作る観点でこんな処理カードを使うと良いというのを解説している
これらの情報によってデータ分析初心者にとって迷いがちな第一歩をベースラインという概念を通して踏み出すように促す記事になっていました。
これらの記事を読むことで時系列分析がどういった特徴があるのか、分析を始めるにはどうしたらよいのかを理解できると思います。他にも時系列データ分析に関して役立つ記事が揃っているので、知識量を上げるにはもってこいのサイトとなっています。
ただ、記事を読んだ私自身の所感としては、「なんとなくわかった」というのが正直のところです。やはり実際に手を動かしてみないとわからないなと。。
ということで、本シリーズの 2 本目の記事は実際に Node-AI を触りつつ、上記の記事で知ったベースラインの考えを実践しようと思います！乞うご期待ください！