時系列問題

類似点

• どちらも数値ターゲット列を伴います。

• どちらも、売上や金銭の予測を含む金融のユース ケースでよく使用されます。

相違点

• 時系列問題ではグループ化されたターゲットがサポートされますが、回帰問題ではサポートされません (時系列問題の構成要素 を参照)。グループ化されたシナリオは、グループ全体のグローバル学習を犠牲にして、複数の異なるモデルをトレーニングすることで、回帰問題に対処できます。

• 時系列の問題は、天気関連の予報、計画されているプロモーション割引、日付が平日、週末、休日のいずれに該当するかなど、特定の特徴量変数が事前にわかっているシナリオをサポートします。これらの特徴量変数は 将来の特徴量 として知られています。

• 時系列の問題の場合、データは固定の時間間隔で日付または日時によってインデックス付けされる必要があります。また、トレーニングと予測の際には異なるデータ コンテンツが予想され、生成されます (トレーニング データセットの準備 および 適用データセットの準備 を参照)。

• 時系列の問題では、予測値は特定の日付と時刻に明示的に対応します。回帰問題では、予測値は特定の日付や時刻に対応する場合も対応しない場合もありますが、対応する場合は、この関連性は出力に明示的に示されるのではなく、暗黙的に示されます。

• さまざまなアルゴリズムが使用されます (モデル アルゴリズムの理解 を参照)。