自己回帰和分移動平均 (ARIMA) のアルゴリズム

自己回帰和分移動平均 (ARIMA) は、時系列予測に一般的に使用される局所統計アルゴリズムです。ARIMA は、入力データセットの標準的時間構造 (時間のパターン化された編成) をキャプチャします。Amazon Forecast の ARIMA アルゴリズムは、Comprehensive R Archive Network (CRAN) の Package 'forecast' の Arima 関数を呼び出します。

ARIMA の仕組み

ARIMA アルゴリズムは、定常時系列にマッピングできるデータセットに特に役立ちます。定常時系列の統計プロパティ (自己相関など) は、時間に依存しません。定常時系列を持つデータセットには通常、信号とノイズの組み合わせが含まれます。信号は正弦波振動のパターンを示すか、または季節的な構成要素を含む可能性があります。ARIMA は、信号をノイズから分離するフィルターのように動作し、今後の信号を推定して予測を立てます。

ARIMA のハイパーパラメータおよびチューニング

ARIMA ハイパーパラメータとチューニングの詳細については、CRAN の「Package 'forecast'」(パッケージ「予測」) の Arima 関数のドキュメントを参照してください。

Amazon Forecast は、次の表を使用して、CreateDataset オペレーションで指定された DataFrequency パラメータを R ts 関数の frequency パラメータに変換します。

DataFrequency (文字列)	R ts frequency (整数)
Y	1
M	12
W	52
D	7
H	24
30 分	2
15 分	4
10 分	6
5 分	12
1 min	60

24 未満の頻度または短い時系列の場合、ハイパーパラメータは CRAN の Package 'forecast' の auto.arima 関数を使用して設定されます。24 以上の頻度または長い時系列の場合は、「Forecasting with long seasonal periods」で説明するように、K = 4 のフーリエ級数を使用します。

表にないサポートされているデータ頻度のデフォルト値は、ts 頻度 1 に設定されます。