3. Vertex AIを用いた時系列データの解析
- 3. 前回やったこと - ARIMAモデルの概要 - ARIMAモデルを用いたCOVID-19感染者数予測 【第5回】BigQueryML を用いた時系列データの分析（ ARIMAモデル）
- 4. ◆ ARIMAモデル (自己回帰和分移動平均モデル) ARMAモデル 次数, p, d, q d個前の値との差分 復習 → 過去の自分の値から未来の値を予測 (外的要因は考慮しない ) (ARMA + 和分過程 ) ARモデル MAモデル ARMAモデル ARIMAモデル
- 6. 反省：時系列データ予測の難しさ 一変量時系列解析 - 日付、 感染者数 多変量時系列解析 - 日付、感染者数、 人出、ワクチン接種者数、 人口統計、気温、... 長期的傾向（トレンド） - 増加 or 減少 周期性 - 週次 - 季節性 (?) 外的要因 (複数の特徴量) - 大規模イベント - 衛生意識の変化 - 変異株の出現 - … 過去の自分の値から 将来の値を予測
- 7. 本日の内容 - Vertex AI の概要 - Vertex AI を用いた時系列データの解析 - 予測結果の可視化
- 8. Vertex AI MLOps with Vertex AI https://cloud.google.com/vertex-ai?hl=ja#section-7 *各セルのサービス名称,関係変わっているかも - Google I/O 21にて発表(一般提供) - 機械学習ワークフローの統合環境 - AutoML含む各種MLツールへのアクセス - AutoML - Vertex AI Workbench - Deep Learning VM Image - Vertex AI Data Labeling - Vertex Explainable AI - Vertex AI Model Monitoring - …
- 10. トレーニング データ(2020-04-01 ~ 2021-10-31) 時間列（日付）＋ 時系列識別子（国）＋ ターゲット列（感染者数）＋ 特徴を表す列 - 欠損値を避ける - 十分なトレーニング データ - 10 以上の時系列識別子 . . . 参 考:https://cloud.google.com/vertex-ai/docs/datasets/bp-tabular
- 11. 予測データ(2021-11-01 ~ 2021-11-14 + コンテキスト期間) →予測日数分の行のTarget 列 (new_confirmed)はNULLにする . . .
- 12. Demo
- 13. ….… ( ^ ω ^ )
- 14. - 最新の知見を用いた多変量時系列解析がUI上で実行できた - 人の手はある程度必要 - 一定のデータセット理解 - 説明変数選択 - 前処理 - 評価指標選択 - 説明性 - Auto MLの料金のご確認を、ご利用は計画的に 所感
- 15. 参考文献・リンク コードはこちら https://github.com/kootr/ml-study-session Vertex AI AutoML ForecastingでDNNの強力な多変量時系列予測を自動モデリングしてしまおう Vertex AI ではじめる時系列分析入門 How to build forecasting models with Vertex AI ML 入門: Vertex AI のラーニングパス Using AutoML for Time Series Forecasting GCP: AutoML AutoMLで破産しないように気をつけたいポイント GCPのAutoMLを使っていたら12万の請求゙がきてしまった話 Summary of rules for identifying ARIMA models