時系列分析

時間軸に沿って変化している現象の分析を、時系列分析と言います。「動的」や「ダイナミクス」と言われる現象の分析です。

時系列分析としては、物体の動きや、温度や株の変動のようなデータがイメージされることが多いと思います。しかし、例えば、工場の中では、装置のログデータや、MES（Manufacturing Execution System ：　製造実行システム）のデータ解析も、時系列分析の一種と言えます。

時系列分析では、時間軸の変化の扱い方で、いろいろなアプローチがあります。

「時系列分析」を特に意識していなくても、たいていのデータは、時間軸と何らかの関係があります。時系列分析の考え方は、データサイエンスの中では、いつも頭のどこかに置いてあると良いです。

時系列分析のいろいろ

現象を数値化して解析する手法には、現象の特徴や知りたいことによって、種類があります。

「時系列解析」や「時系列分析」がタイトルになっている文献では、時系列近傍法にある、 ARMAモデルの系統の話題を中心にしていることが多いです。

2000年以前の文献では、スペクトル解析が含まれていることがありますが、周期的な現象の分析方法ではなく、ARMAモデルで扱うようなデータの研究手段として使われています。

ARMAモデル以外では、点過程のアプローチが含まれていることがあります。また、単調増加や単調減少のモデルとして。時系列回帰分析が含まれていることがあります。

しかし、時系列データの種類の多さや、分析の目的に対して、これらの手法では足りないです。

このサイトは、「時系列分析」という言葉の本来の意味に合うように、時系列分析を構成してみました。

経時解析・時系列近傍法・スペクトル解析では、手持ちのデータを使って、そのデータをもっともよく表すモデル式を作ろうとします。しかし、良い式が見つからないことは、よくあります。特に、重回帰式のような式を、そのまま当てはめようとすると、うまく行くことはあまりないようです。

「指数関数の関係がある」、「あるXを、あるXで割った値を使うと、Yとの関係が単純な形で表せる」、等、扱っている現象の物理的な内容を知っていると、うまく当てはまることがあります。 物理知識を使って、データを加工してから当てはめます。

システムダイナミクスは、現象の数式を組み立てて、その現象の時間的な変化をシミュレーションします。当てはまりの良いモデル式を、物理的な内容を踏まえて探すアプローチとは、相補的な関係です。

ディープラーニングと言えば、画像認識の技術として有名ですが、 RNNは、時系列データを扱えるようにしたディープラーニングです。

音声認識や自動作文などの自然言語処理での利用が進んでいます。

下記は、時刻や時間のデータを扱う時に使う、データリテラシーの技です。