外れ値を混ぜてもできるか検証してみる（00:03:05 - 00:05:03）
STL分解で時系列データをトレンド・季節性・残差に分けてみよう！

STL分解というものを用いて時系列データをトレンド・季節性・残差に分けてみようと思います。
★動画で使用したpythonコード：https://k-dm.work/ja/timeseries/basic/003-seasonal-decompose/

-----------------------------
★参考文献
・https://en.wikipedia.org/wiki/Local_regression
・https://www.statsmodels.org/devel/generated/statsmodels.tsa.seasonal.STL.html
・Cleveland, Robert B., et al. "STL: A seasonal-trend decomposition." J. Off. Stat 6.1 (1990): 3-73.
-----------------------------
★目次
0:00 タイトル
0:36 多項式をフィッティングできない時もある
1:03 STL分解
1:33 LOESS（局所重み付け回帰）
2:10 pythonでSTL分解を実行してみる
3:05 外れ値を混ぜてもできるか検証してみる
5:03 トレンドの中に季節性のある要素が残っていないか確認する
7:07 まとめ
-----------------------------
★SNS
twitter：https://twitter.com/intent/follow?screen_name=_K_DM
ブログ: https://kdm.hatenablog.jp/
コード置き場: https://k-dm.work/ja/
-----------------------------
★BGM
キューブスカイ (by かずち様) https://dova-s.jp/bgm/play1365.html
-----------------------------
★このチャンネルについて
週に一回ペースで機械学習・データサイエンスに関する情報を発信します！よろしければチャンネル登録お願いします。大変励みになります。

#機械学習 #データ分析 #Python

#機械学習 #AI #データ分析 #データサイエンス #データサイエンティスト #Python #scikit-learn #Kaggle #データマイニング #G検定 #E検定 #人工知能 #わかりやすく #初学者