例: 線形予測 2
周期データの予測
predict関数を使用して、周期データセットの将来値を求めます。
1.
sin関数と
cos関数を使用して周期データセットを定義します。
2. 周期データセットをプロットします。
3. 関数の次の 20 個の点を計算します。
4. predict 関数を使用して次の 20 個のデータ点を外挿します。
5. 計算したデータ点と外挿したデータ点を元のプロットに追加して、結果を比較します。
プロットが示すように、predict 関数は周期データに関してよく合っています。これは自己相関に基づいているためです。
線形データの予測
predict 関数を使用して、線形データセットの将来値を求めます。
1. 線形データセットを定義します。
2. 線形データセットをプロットします。
3. 関数の次の 50 個の点を計算します。
4. predict 関数を使用して次の 100 個のデータ点を外挿します。
5. 計算したデータ点と外挿したデータ点を元のプロットに追加して、結果を比較します。
最初は、線形予測は良好です。後の方になると、predict 関数はデータ群の中に強引に周期性を見出して予測値を計算します。一般的に、遠い将来の予測にこの関数を使用することはお勧めしません。
過去の値の推定
predict 関数を使用して、時系列データのセットの過去の値を推定することもできます。
1. 時系列を定義してプロットします。
2. 過去の値の数字を設定します。
3. 関数
reverseを使用して元のデータ点を逆にたどり、
predict をこの逆の時系列に適用します。
4. 結果のベクトルを逆転します。
5. 外挿された値と元の時系列をプロットします。
外挿の最終点と時系列の最初のデータ点の間に破線が描画されます。これはデータ点のセット全体を見やすくするのに役立ちます。
