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
PRO
October 28, 2022
0
450
時系列クラスタリング
NearMeの技術発表資料です
PRO
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
第127回NearMe技術勉強会 -Apple Containerについて調べて触ってみた-
nearme_tech
PRO
0
10
Rust 並列強化学習
nearme_tech
PRO
0
19
並列で⽣成AIにコーディングをやらせる
nearme_tech
PRO
1
83
希望休勤務を考慮したシフト作成
nearme_tech
PRO
0
26
Hub Labeling による高速経路探索
nearme_tech
PRO
0
83
Build an AI agent with Mastra
nearme_tech
PRO
0
74
Rustで強化学習アルゴリズムを実装する vol3
nearme_tech
PRO
0
39
Webアプリケーションにおけるクラスの設計再入門
nearme_tech
PRO
1
91
AIエージェント for 予約フォーム
nearme_tech
PRO
2
160
Featured
See All Featured
Build The Right Thing And Hit Your Dates
maggiecrowley
37
2.8k
How STYLIGHT went responsive
nonsquared
100
5.7k
The Power of CSS Pseudo Elements
geoffreycrofte
77
5.9k
RailsConf & Balkan Ruby 2019: The Past, Present, and Future of Rails at GitHub
eileencodes
139
34k
Large-scale JavaScript Application Architecture
addyosmani
512
110k
Distributed Sagas: A Protocol for Coordinating Microservices
caitiem20
331
22k
BBQ
matthewcrist
89
9.8k
How to train your dragon (web standard)
notwaldorf
96
6.1k
Gamification - CAS2011
davidbonilla
81
5.4k
The Illustrated Children's Guide to Kubernetes
chrisshort
48
50k
CSS Pre-Processors: Stylus, Less & Sass
bermonpainter
357
30k
Measuring & Analyzing Core Web Vitals
bluesmoon
7
530
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