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
220
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
190
外観検査の難しさ
planeta
0
460
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
920
SONYのNNC
planeta
0
540
機械学習による動作認識
planeta
0
710
画像類似度計算
planeta
0
1.8k
Tensorflow/Keras(Python)で作ったモデルをC++で使う
planeta
0
2.2k
Other Decks in Programming
See All in Programming
.NET Frameworkでも汎用ホストが使いたい!
tomokusaba
0
200
AIプログラミング雑キャッチアップ
yuheinakasaka
19
4.9k
dbt Pythonモデルで実現するSnowflake活用術
trsnium
0
270
ML.NETで始める機械学習
ymd65536
0
240
AWS Step Functions は CDK で書こう!
konokenj
4
640
kintone開発を効率化するためにチームで試した施策とその結果を大放出!
oguemon
0
180
「個人開発マネタイズ大全」が教えてくれたこと
bani24884
1
270
複数のAWSアカウントから横断で 利用する Lambda Authorizer の作り方
tc3jp
0
120
Introduction to kotlinx.rpc
arawn
0
770
Jasprが凄い話
hyshu
0
180
5分で理解する SOLID 原則 #phpcon_nagoya
shogogg
1
390
技術を改善し続ける
gumioji
0
150
Featured
See All Featured
[Rails World 2023 - Day 1 Closing Keynote] - The Magic of Rails
eileencodes
33
2.1k
Unsuck your backbone
ammeep
669
57k
The Success of Rails: Ensuring Growth for the Next 100 Years
eileencodes
44
7k
Exploring the Power of Turbo Streams & Action Cable | RailsConf2023
kevinliebholz
30
4.6k
RailsConf & Balkan Ruby 2019: The Past, Present, and Future of Rails at GitHub
eileencodes
134
33k
Helping Users Find Their Own Way: Creating Modern Search Experiences
danielanewman
29
2.5k
The Invisible Side of Design
smashingmag
299
50k
Automating Front-end Workflow
addyosmani
1369
200k
Statistics for Hackers
jakevdp
797
220k
Done Done
chrislema
182
16k
Principles of Awesome APIs and How to Build Them.
keavy
126
17k
Building Better People: How to give real-time feedback that sticks.
wjessup
367
19k
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