Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
時系列クラスタリング
Search
NearMeの技術発表資料です
October 28, 2022
0
190
時系列クラスタリング
NearMeの技術発表資料です
October 28, 2022
Tweet
Share
More Decks by NearMeの技術発表資料です
See All by NearMeの技術発表資料です
GTFSのデータを Streamlitで可視化してみた
nearme_tech
0
18
Offset / Cursor Paginationについて
nearme_tech
1
21
⼤規模⾔語モデルの拡張(RAG)が 終わったかも知れない件について
nearme_tech
22
15k
VRPを深層強化学習で解く
nearme_tech
0
59
Let’s go monorepo - intro to Nx.dev
nearme_tech
0
15
Dynamic Vehicle Routing のシミュレーションを Streamlitで作ってみた
nearme_tech
0
61
ログ監視ツールについて調べてみた
nearme_tech
0
52
(インターン生が大学院で行なっている)研究紹介
nearme_tech
0
44
拡散モデルの概要 −§2. スコアベースモデルについて−
nearme_tech
0
55
Featured
See All Featured
The Success of Rails: Ensuring Growth for the Next 100 Years
eileencodes
29
6k
Bash Introduction
62gerente
604
210k
Testing 201, or: Great Expectations
jmmastey
27
6.3k
Producing Creativity
orderedlist
PRO
336
39k
The MySQL Ecosystem @ GitHub 2015
samlambert
242
12k
[RailsConf 2023 Opening Keynote] The Magic of Rails
eileencodes
9
8.3k
ParisWeb 2013: Learning to Love: Crash Course in Emotional UX Design
dotmariusz
104
6.6k
Clear Off the Table
cherdarchuk
83
310k
Pencils Down: Stop Designing & Start Developing
hursman
117
11k
[Rails World 2023 - Day 1 Closing Keynote] - The Magic of Rails
eileencodes
1
1.3k
Optimizing for Happiness
mojombo
370
69k
Mobile First: as difficult as doing things right
swwweet
216
8.6k
Transcript
0 時系列クラスタリング 2022-10-28 第19回NearMe技術勉強会 Hazuki / Shibayama
1 目次 1. 時系列データとは 2. クラスタリングとは 3. 時系列クラスタリングの種類 4. 時系列データの類似性
2 時系列データとは • 時系列データ 時間的な変化を、連続的に観測して得られた値の系列 例: ◦ 金融ー株価、為替レート ◦
生物学ー遺伝子発現データ ◦ 医学ー血圧、心電図 ◦ 生産物流ー需要、売上、生産 etc
3 クラスタリングとは • クラスタリング 類似したデータを関連するグループまたは同種のグループに分ける ◦ 非階層 K-means、pLSI、SOM etc ◦
階層 ウォード法、群平均法 etc • 時系列クラスタリング 似ている時系列データを分ける
4 • 時系列クラスタリング ◦ 形状ベース 時系列データそのものをクラスタリング ◦ 特徴ベース 時系列データを低次元の特徴量ベクトルに落とし込んでからクラスタリング ◦
モデルベース 時系列データをパラメトリックなモデルのパラメータに変換して、 複数のパラメータに対してクラスタリング手法を用いてクラスタリング 時系列クラスタリングの種類
5 時系列データの類似性 • 各時刻における系列値 ◦ ユークリッド距離→短期データ向き • 系列の形状 ◦ DTW(Dynamic
Time Warping) →短期データ向き • 系列の変化の特徴 ◦ モデルのパラメータや特徴量等で 類似度を測定 →長期データ向き 形も時点も一緒 形は似ているが、ずれている 何をもとに2つの時系列が似ているとするのか? 自己回帰のパターン、 トレンドや周期等が似ている
6 Aghabozorgi, S., Shirkhorshidi, A.S., and Wah, T.Y. (2015) Time-series
clustering – A decade review. Information Systems, 53, 16-38. 参考文献
7 Thank you