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
儲かるPython
Search
OHNO
February 21, 2021
Programming
0
230
儲かるPython
OHNO
February 21, 2021
Tweet
Share
More Decks by OHNO
See All by OHNO
生成系AIで自データを扱うには
planeta
0
210
外観検査の難しさ
planeta
0
490
画像処理ライブラリOpenCVの使い方0910
planeta
0
1.4k
Pythonによる工業用カメラ画像取得事例
planeta
0
1.3k
画像処理ライブラリOpenCVの使い方
planeta
0
980
SONYのNNC
planeta
0
580
機械学習による動作認識
planeta
0
750
画像類似度計算
planeta
0
1.9k
Tensorflow/Keras(Python)で作ったモデルをC++で使う
planeta
0
2.3k
Other Decks in Programming
See All in Programming
PHPでWebSocketサーバーを実装しよう2025
kubotak
0
280
Deep Dive into ~/.claude/projects
hiragram
14
2.5k
WebViewの現在地 - SwiftUI時代のWebKit - / The Current State Of WebView
marcy731
0
120
地方に住むエンジニアの残酷な現実とキャリア論
ichimichi
5
1.5k
初学者でも今すぐできる、Claude Codeの生産性を10倍上げるTips
s4yuba
16
11k
PicoRuby on Rails
makicamel
2
130
#kanrk08 / 公開版 PicoRubyとマイコンでの自作トレーニング計測装置を用いたワークアウトの理想と現実
bash0c7
1
770
Railsアプリケーションと パフォーマンスチューニング ー 秒間5万リクエストの モバイルオーダーシステムを支える事例 ー Rubyセミナー 大阪
falcon8823
5
1.1k
AIエージェントはこう育てる - GitHub Copilot Agentとチームの共進化サイクル
koboriakira
0
590
AI時代の『改訂新版 良いコード/悪いコードで学ぶ設計入門』 / ai-good-code-bad-code
minodriven
13
3.5k
なぜ「共通化」を考え、失敗を繰り返すのか
rinchoku
1
650
Code as Context 〜 1にコードで 2にリンタ 34がなくて 5にルール? 〜
yodakeisuke
0
130
Featured
See All Featured
Put a Button on it: Removing Barriers to Going Fast.
kastner
60
3.9k
Optimizing for Happiness
mojombo
379
70k
A designer walks into a library…
pauljervisheath
207
24k
[Rails World 2023 - Day 1 Closing Keynote] - The Magic of Rails
eileencodes
35
2.4k
Imperfection Machines: The Place of Print at Facebook
scottboms
267
13k
CSS Pre-Processors: Stylus, Less & Sass
bermonpainter
357
30k
Side Projects
sachag
455
42k
Documentation Writing (for coders)
carmenintech
72
4.9k
Designing Experiences People Love
moore
142
24k
StorybookのUI Testing Handbookを読んだ
zakiyama
30
5.9k
The Art of Programming - Codeland 2020
erikaheidi
54
13k
Producing Creativity
orderedlist
PRO
346
40k
Transcript
儲かるPython ~時系列データの予測 と売り上げの予測~ 2021/2/20 Python機械学習勉強会 in 新潟 #12 大野 宏
概要 ・以前、時系列データの予測を使い、電力消費量の予測を 紹介した。 ・今回、加熱に要するエネルギー削減を目的に、ある装置 を加熱する時の温度を予測した。 ・製造業(食品製造業も対象)における売り上げを予測し、 生産計画の立案に役立てる。
時系列データの予測 ・ある装置の温度を予測し、加熱に使用するエネルギー使 用量を削減したい。 ・月曜日9時にある装置が所定の温度になるよう、前日に ヒータで加熱を始めているが、早めに所定の温度に達し、 エネルギーが無駄になっている。 ・1年分のデータを使い再帰型ニューラルネットワークで温 度を予測し、良い結果が得られた。実装はこれから。
売り上げを上げるために事前に予測 ・分類問題として考える 営業データから成約予測モデルを作り、成約ありかなし か予測する。成約が上がるよう、営業対象を絞り込む。 ・各種データから売り上げを予測(回帰) 自転車レンタル数を、天候、季節、温度、曜日などの条 件から予測する。 ・季節などの周期性から売り上げを予測(時系列分析) 過去の値を基に未来の値を予測する。 ・回帰+時系列分析でさらなる向上
予測モデル ・営業成約予測モデル ・予測モデル(回帰) ・過去の値を基に未来の値を予測(時系列分析) 季節 年 曜日 ・・ 天気 湿度
風速 モデル 自転車利用数 年齢 職業 ・・ 連絡回数 連絡日数 モデル 成約あり 制約なし 過去の自転車 利用数 モデル 未来の自転車 利用数
類似事例としてのAIタクシー ・過去のタクシーの昇降データ等を学習させ、顧客がいる エリアを予想する。 ・タクシー会社の昇降データ、携帯電話会社の人の分布 データ、曜日、時間、天候 多くのタクシーが一斉 に使ったらどうなる? 6
類似事例としての売り上げ予測 ・伊勢神宮前の「ゑびや」(食堂とお土産屋)がAIで売り上 げを予測 → 新会社を設立してツールを販売 通行人をカウントしながら年齢・性別の情報も収集 7
参考図書 Pythonで儲かるAIをつくる
回帰 ・レンタル自転車の利用数を予測する ・データはUCIのBike Sharing Dataset ・日付、季節、年、月、祝日、曜日、勤務日(月~金か土 日か)、天気、気温、体感温度、湿度、風速で予測 訓練データ 検証データ
回帰の結果 ・XGBoostRegressor での予測結果の決定係数R2は 0.4206 ・月と季節をOne-hotエンコーディング R2は 0.5099
・決定係数 R2 は、標本値を y 、推定値を f とすると次式で 表される。 ・y と
f が合うと1に、合わないと0になる 決定係数
重要度分析 ・XGBoostRegressor ではplot_importanceで重要度を分析
時系列分析 ・過去の利用数から未来の利用数をFB社Prophetで予測 ・天気、気温、風速、湿度も加味して改善 R2 0.4145 ↓ 0.6196
売り上げ予測のまとめ ・回帰より時系列分析の方が良い結果が得られた ・時系列分析に回帰を加えた方が良い結果が得られた ・時系列分析は、1週間後や1か月後の売り上げも予測 可能