Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Speaker Deck
PRO
Sign in
Sign up
for free
儲かるPython
OHNO
February 21, 2021
Programming
0
48
儲かるPython
OHNO
February 21, 2021
Tweet
Share
More Decks by OHNO
See All by OHNO
planeta
0
300
planeta
0
85
planeta
0
190
planeta
0
100
planeta
0
170
planeta
0
490
planeta
0
93
Other Decks in Programming
See All in Programming
minamijoyo
3
510
grapecity_dev
0
190
raulh82vlc
1
270
yoshinoriiiii
0
110
makicamel
0
180
grapecity_dev
0
180
texmeijin
0
100
xrdnk
0
130
grapecity_dev
1
200
christianweyer
PRO
0
300
ryosukes
0
1.4k
ntaro
0
170
Featured
See All Featured
pauljervisheath
195
15k
searls
204
36k
eitanlees
112
10k
sstephenson
145
12k
sferik
610
55k
destraynor
146
19k
notwaldorf
16
1.8k
matthewcrist
73
7.5k
bkeepers
52
4.2k
sachag
267
17k
holman
447
130k
nonsquared
81
3.4k
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