時系列プラットフォームの JMP® 16 アップデート (2021-EU-45MP-745)レベル: 中級
Peng Liu 氏、SAS、JMP 主任研究統計開発者
Jian Cao 氏、SAS、JMP プリンシパル システム エンジニア
この講演では、2 つの時系列関連プラットフォームにおける主要なアップデートの包括的なレビューを提供します。 具体的には、予測パフォーマンスベースのモデル選択方法、最近追加された状態空間平滑化モデルを検討するための機能強化、Box-Cox 変換時系列を使用した分析機能が更新されています。 新しい機能の興味深い使用例を特定できるように、開発作業の背後にある動機を説明します。 これらの新機能をどのように使用できるかについて、多くの可能性のうちのいくつかを説明するために、いくつかの例を示します。 JMP 16 は、時系列プラットフォームのメジャー アップグレードを表します。 新機能を備えた JMP は、時系列分析における多くの興味深い新発見への扉を開きます。
自動生成されたトランスクリプト...
スピーカー | 成績証明書 |
| この講演ではいくつかの点に焦点を当てます |
| 00 | 11.600 |
| 3 |
| 時系列プラットフォーム。 3つは |
| 時系列プラットフォームからの |
| 00 | 34.700 |
| 38.400 |
| 10 |
| 11 |
| 12 |
| ボックスコックスは必要ですか？ |
| 時系列が変わった？ |
| データを見てみましょう |
| 00 | 00.933 |
| 06.200 |
| 18 |
| 航空会社としても知られています |
| 乗客データセット。 |
| オリジナルシリーズは、 |
| 00 | 23.900 |
| 23 |
| からのモデル。 |
| なぜ？ プロットを見てみましょう... |
| 00 | 43.433 |
| 27 |
| 大きくなる。 そしてこのシリーズ |
| では扱えません |
| 00 | 01.666 |
| 31 |
| 2番目の写真にあります。 それで、 |
| バリエーションは変わらない |
| 様々な時系列で??? |
| 00 | 20.266 |
| 36 |
| したがって、文学の中で人々は |
| 言って、まあ、私たちは変身します |
| 00 | 33.800 |
| 38.700 |
| 41 |
| 42 |
| 43 |
| この場合、変換スケールの |
| ここでは対数スケールです。 |
| 逆に送信する |
| 00 | 04.366 |
| 49 |
| 変身。 |
| 昔は...昔は |
| 00 | 21.966 |
| 53 |
| プロセス全体を合理化します。 |
| あなたがしなければならないことは、 |
| 00 | 39.133 |
| 57 |
| モデルを作成する必要があります |
| 予測、次にソフトウェア、 |
| 00 | 55.933 |
| 61 |
| 乗客のログを Y に入れます。 |
| しかし今はその必要はありません。 私たちは |
| 00 | 15.033 |
| 66 |
| ボックスコックスに入るには |
| 変換パラメータラムダ。 |
| ゼロ、つまりログです |
| 00 | 28.333 |
| 31.166 |
| 37.433 |
| 73 |
| 赤い三角ボタンのメニューをクリックして、 |
| ARIMA または季節性 ARIMA のいずれか。 |
| 00 | 01.766 |
| 78 |
| 季節部分は12。 |
| インターセプトなし。 クリック |
| 00 | 19.633 |
| 22.933 |
| 24.500 |
| 28.733 |
| 85 |
| 86 |
| 予測を処理する |
| 逆変換。 の |
| 00 | 49.600 |
| 91 |
| この中に意志が現れます。 |
| プロットと予測には |
| 00 | 05.033 |
| 08.800 |
| 11.100 |
| 17.866 |
| 98 |
| モデルは時間の中での主力です |
| シリーズ予測プラットフォーム。 |
| 多くのことを当てはめて予測することができます |
| 00 | 35.733 |
| 39.633 |
| 104 |
| パフォーマンスはなんとなく匹敵する |
| 予測に |
| 00 | 59.366 |
| 110 |
| 111 |
| なぜそれが...なぜこのタイプなのかを研究してください |
| モデルの機能とその理由 |
| 00 | 18.600 |
| 115 |
| 116 |
| モデルを時系列に入力する |
| するように設計されたプラットフォーム |
| 00 | 43.900 |
| 120 |
| 未知の機能 |
| 状態、観察されていない状態。 ここで |
| 00 | 01.000 |
| 124 |
| 変数と誤差項 |
| いずれかの加算操作によって |
| 00 | 16.266 |
| 19.200 |
| 129 |
| 130 |
| state はレベル状態時間です |
| シリーズ。トレンド状態は、 |
| 00 | 40.733 |
| 134 |
| 135 |
| 状態、またそのうちの 1 つ |
| 以前の季節の状態。 そして |
| 00 | 59.733 |
| 03.133 |
| 140 |
| 141 |
| 以前のトレンド状態は |
| 次へ震える。 |
| トレンド状態とレベル状態 |
| 00 | 25.966 |
| 146 |
| 別の時点を指します。 そして |
| もっと矢印がある...そこにある |
| 現在よりも多くの状態遷移がある |
| 00 | 49.700 |
| 152 |
| を Y に入力し、「OK」をクリックします。 |
| このタイプのモデルに適合させるために、 |
| 00 | 12.300 |
| 16.766 |
| 160 |
| 161 |
| セット、12 を入力します |
| 期間中。 |
| そして「選択」をクリックします |
| おすすめのボタンです。 |
| 加法的誤差モデルと |
| 00 | 47.666 |
| 169 |
| この特別なセット、私は行きます |
| 制約パラメータをクリックします |
| 00 | 05.966 |
| 173 |
| これらに適合する推奨モデル |
| こういった時系列の種類と |
| 00 | 23.666 |
| 27.966 |
| 179 |
| 180 |
| AICが小さいモデルと |
| 私の目は最初の2つに注目しています |
| 00 | 52.300 |
| 184 |
| モデル。そして私にさせてください |
| 予測を重ね合わせる |
| 00 | 09.366 |
| 10.566 |
| 17.666 |
| 190 |
| 191 |
| 192 |
| 193 |
| 元の時系列から |
| もっと素敵に。 |
| 私の好みでは、 |
| 00 | 45.133 |
| 198 |
| 違い？ 開けてみましょう |
| 最初のMAA...MAM。 |
| 下に降りてみましょう。 これ |
| 00 | 05.533 |
| 10.666 |
| 204 |
| これです | コンポーネントの状態。 |
| これはこれに特化したものです |
| 00 | 32.900 |
| 209 |
| 最初の手紙。 |
| そして、トレンドはさらに追加されます |
| 00 | 50.233 |
| 213 |
| このレポートの後半部分は、 |
| ...は状態コンポーネントです |
| 00 | 06.100 |
| 217 |
| の部分は予測です |
| この特定の状態。 |
| 時系列の期間 |
| 00 | 27.500 |
| 222 |
| 223 |
| 増加するパターンがある |
| 過去。 増え続けています |
| 00 | 48.266 |
| 227 |
| シリーズとパターンが続く |
| 未来へ、そしてこの先へ |
| 00 | 03.466 |
| 231 |
| 観測されていますが、予測は |
| フラット。これは気になりました。 |
| では、2番目を見てみましょう |
| 00 | 17.333 |
| 20.366 |
| 23.566 |
| 27.933 |
| 239 |
| 240 |
| 状態コンポーネントのグラフ。 レベルは |
| 過去には増加していました |
| 00 | 44.366 |
| 48.466 |
| 245 |
| 246 |
| 247 |
| 248 |
| 未来。こちらのほうが合理的だ |
| 私が受け入れることができるプロット。 そうですか |
| 00 | 14.866 |
| 252 |
| 2 番目のスライドに進みます。 |
| このスライドと次のスライド |
| 00 | 45.100 |
| 259 |
| 予測の解釈について |
| このモデルから...このタイプの |
| モデル。ここでお願いします |
| 00 | 01.933 |
| 07.233 |
| 265 |
| 上。そのうちの半分をここにリストしました。 |
| ああ、ほぼ半分ですね。 それで集中しましょう |
| 00 | 27.033 |
| 30.800 |
| 271 |
| 一部は増加傾向にあり、今後も |
| 最後に向かって先細りになります。 |
| そしてその一方で、私たちは次のことを行うことができます |
| 00 | 54.233 |
| 277 |
| これを使用して予測から見てください |
| タイプのモデル。 季節性がある場合 |
| は関与していません。 私が |
| 00 | 11.066 |
| 14.200 |
| 19.566 |
| 284 |
| 285 |
| 286 |
| 最初のもの、これは |
| 季節性がある場合は横ばいの予測 |
| 00 | 46.833 |
| 51.266 |
| 291 |
| 直線的に増加する |
| パターンなど |
| 他のものと同様です。 今 |
| 00 | 06.800 |
| 12.566 |
| 297 |
| 増えているだけです。 |
| を適用した後、 |
| 00 | 34.033 |
| 302 |
| 乗算的な季節性 |
| 私たちの増加の頂点 |
| 00 | 48.966 |
| 306 |
| このタイプ...違うタイプ |
| 形 | フラット |
| 00 | 05.666 |
| 10.733 |
| 311 |
| 312 |
| 私たちはそれらが違う...違うものを理解します |
| 形。それで、私は再び入りますか？ |
| 00 | 33.466 |
| 40.433 |
| 318 |
| 私たちが最終的に見るもの |
| 予測。 |
| フラットパターンがあるか、 |
| 00 | 00.733 |
| 323 |
| パラメーター。それで別れた |
| これらの部分と私も |
| 00 | 14.866 |
| 20.400 |
| 328 |
| 329 |
| 330 |
| 通常、トレンドは横ばいに見えますが、 |
| 私たちは増加します |
| レベル状態のパターン。 |
| 直線的な場合と、 |
| 曲がっているとき。 |
| すべてはこれがどうなるかによる |
| 00 | 52.233 |
| 57.666 |
| 339 |
| 増加または減少 |
| 指数関数的にレベルが上がります。 それで、これは |
| 00 | 13.466 |
| 343 |
| 無駄のないものであり、次のように考えてください |
| 複利の場合 |
| レベル状態が上がると |
| 00 | 32.466 |
| 348 |
| 彼らは予測を立て、それを試みようとします... |
| オーバーシュートしないようにしてください |
| または、その予測を下回る |
| 00 | 59.833 |
| 355 |
| どう解釈するか |
| 州からの予報 |
| 00 | 20.133 |
| 359 |
| 2番目、これらのどれでもない |
| モデルは静止しています。 彼らです |
| 00 | 37.466 |
| 364 |
| したがって、これらを検討している場合は、 |
| 時系列。 もの |
| 00 | 55.566 |
| 59.600 |
| 369 |
| 3つ目、ちょっと見ていただければ |
| その時系列はそうではありません |
| 00 | 12.000 |
| 373 |
| 374 |
| 結果は...で |
| 次のスライドに適合します |
| 00 | 31.933 |
| 378 |
| ～のタイプ間で比較する |
| モデルさん気をつけてください。 |
| このスライドはその方法を示すものです... |
| 00 | 51.800 |
| 383 |
| という予報です。 |
| そして同様に、私は私の計画を立てます |
| 00 | 07.400 |
| 387 |
| これらのタイプの状態空間を適用する |
| モデルを静止状態に平滑化する |
| 時系列？ ここでシミュレーションします |
| 00 | 32.633 |
| 393 |
| 394 |
| 395 |
| この時系列のモデル、 |
| 最高のモデルは、 |
| 00 | 54.266 |
| 399 |
| 400 |
| むしろ違うからです |
| ランダムウォークモデルと |
| 00 | 13.466 |
| 16.466 |
| 18.733 |
| 22.333 |
| 408 |
| このプレゼンテーションの特徴 |
| ホールドバックの予想。 |
| この機能により、 |
| 00 | 37.966 |
| 40.500 |
| 45.833 |
| 415 |
| 416 |
| 417 |
| 418 |
| 1 つは別のモデルのものです。 |
| そして、これらを比較できます |
| 00 | 11.833 |
| 423 |
| 424 |
| この機能を有効にするには、 その後私は |
| 指定する必要があります |
| ホールドバックの長さ |
| 00 | 35.200 |
| 38.466 |
| 430 |
| 431 |
| 432 |
| 「推奨を選択」をクリックし、 |
| そして制約をチェックしてください |
| 00 | 06.433 |
| 438 |
| 439 |
| シリーズの一部、 |
| 私たちは抑制策を列挙しました |
| 00 | 26.000 |
| 443 |
| 444 |
| デフォルトでは可能ですが、 |
| 常にメトリクスを変更する |
| 00 | 39.900 |
| 44.866 |
| 449 |
| レポートは次のようなものです |
| 分析から得られたものへ |
| これをアクティブにしない場合の結果 |
| 00 | 05.433 |
| 454 |
| 455 |
| 要約しましょう |
| 私たちがそこから学んだこと |
| 00 | 25.566 |
| 459 |
| ホールドバックを超えるパフォーマンス |
| データ。しかし、それらの基準は、 |
| 00 | 41.366 |
| 463 |
| プロセス。むしろ |
| 私たちの使い方とは違う |
| 00 | 57.700 |
| 467 |
| モデルフィッティングの一部 |
| プロセス、これは何かです |
| 00 | 17.000 |
| 471 |
| 評価するための保留 |
| に基づいたさまざまなモデル |
| パフォーマンスの予測。 それで私たちは |
| 00 | 32.033 |
| 35.366 |
| 478 |
| 列はその時系列です |
| インジケータ。 Y は時系列です |
| 00 | 55.666 |
| 482 |
| データセットを要約します。 |
| 時間または時系列、によって |
| 00 | 09.533 |
| 12.066 |
| 16.600 |
| 488 |
| 489 |
| 仕様を変更するか、 |
| モデル選択戦略、私たちは |
| 00 | 39.200 |
| 494 |
| チェックしてください...選択を変更します |
| 予測への最初のコンボボックス |
| パフォーマンス。それから私たちは選択できます |
| パフォーマンスの予測 |
| 00 | 04.633 |
| 500 |
| 予報が欲しいです。 でも君ならできる |
| どれかを選択...どれかに変更 |
| 00 | 17.833 |
| 25.466 |
| 30.866 |
| 506 |
| 507 |
| トレーニングを利用して |
| 時系列、最良のものを選択 |
| 00 | 49.800 |
| 52.333 |
| 54.766 |
| 57.900 |
| 00.966 |
| 515 |
| シリーズプラットフォーム。 最初の分析 |
| ボックス コックス変換された時系列。 |
| 2枚目はフィット状態です |
| 00 | 27.666 |
| 521 |
| 522 |
| 同様に、それを次のように使用します |
| そして機種選定方法。 |
| どうもありがとうございます。 |
起こるデータ探索予測モデリングRe: 時系列プラットフォームの JMP® 16 アップデート (2021-EU-45MP-745)@フランクデルイック返信が遅れて申し訳ありません。 メリットを最大限に活用するには、JMP 16 が必要です。 ただし、新しい Time Series Forecast 機能のほとんどは JMP 15 で利用できます。Time Series プラットフォームと Time Series Forecast プラットフォームはどちらも通常の JMP です。
Re: 時系列プラットフォームの JMP® 16 アップデート (2021-EU-45MP-745)とても素敵で役に立つプレゼンテーション、よく説明されています。ユーザーフレンドリーなメソッドであり、ARIMA の候補です。
工業プロセスの時系列をいくつか持っているので、これを試してみます。 今jpm pro 15を持っていますが、pro 16が必要ですよね？
