天気や株価など、時間の経過とともに変化する指標の値を予測する
予測ツールを作成するにはよりアクセスしやすいものとして、マサチューセッツ工科大学 (MIT) のプログラマーは、既存の時系列データベース上に予測機能を統合するシステムを開発しました。 tspDB システムの簡素化されたインターフェイスは、ユーザーの介入なしですべての複雑なモデリングを実行します。
システムのユーザーは、数回押すだけです。予測を取得するためのキー。同時に、将来価値の計算は平均0.9ミリ秒で実行されると著者は述べています。素人が決定を下すために、システムは予測の不確実性の程度を考慮して信頼区間も計算します。
tspDB の成功の理由の 1 つは次のとおりです。新しい時系列予測アルゴリズムを使用します。私たちのアルゴリズムは、多変量時系列、つまり複数の時間依存変数を含むデータを分析する場合に特に効果的です。たとえば、気象データベースでは、気温、露点、雲量は過去の値に依存します。
Abdullah Alomar、MIT 電気工学およびコンピュータ サイエンス学科の大学院生、開発の共著者
アルゴリズムの基礎として研究者は特異スペクトル解析（SSA）を採用しました。この方法を使用すると、値を計算し、個々の時系列に基づいて予測を行うことができます。 MITプログラマーは、アルゴリズムを微調整して、変数を手動で設定する必要をなくしました。
2番目の重要な問題は、開発者は、この方法を複数の時系列の分析に適応させる必要がありました。研究者らが提案した解決策は、個々の時系列行列を SSA を適用できる 1 つの大きな行列に「折りたたむ」ことでした。開発者は自分たちのメソッドを mSSA と呼びました。科学者たちは以前、ArXiv の記事で研究とアルゴリズムの詳細な説明を公開しました。
研究者らは、送電網、道路交通、金融市場を記述する現実の時間データセットで、mSSA をディープラーニング手法を含む他の最先端のアルゴリズムと比較しました。
研究者はテスト結果を言う彼らのアルゴリズムは、欠落している過去のデータを回復する際にすべての選択肢を上回り、将来の値を予測する際に1つを除くすべての選択肢を上回っていることを示しました。開発者はまた、アルゴリズムの普遍的な性質を示しました。それは、どの時系列にも等しく効果的に適用できます。
研究者たちは、予測の精度をさらに向上させる新しいアルゴリズムでtspDBを改善し続けると述べています。
私たちはすることに興味がありますtspDB は、広く使用されているオープン ソース システムです。時系列分析は非常に重要であり、予測機能をデータベースに直接埋め込むのが最も便利な分析方法であるように思えます。これはこれまでに行われたことがないため、私たちは世界が私たちのソリューションを確実に使用できるようにしたいと考えています。
Devavrat Shah、MIT 電気工学およびコンピュータサイエンス学部教授、開発の共著者
続きを読む
「5番目の要素」が存在します。新しい実験により、情報が重要であることが確認されます
不気味な音と不思議な生き物：マリアナ海溝で最も奇妙な発見
太陽の最高の写真を見てください：それは8300万ピクセルで構成されています