時系列解析: 自己回帰型モデル・状態空間モデル・異常検知 (Advanced Python 1)

日本からのトップレビュー

• 

  mal-large

  星5つ中5つ

  Pythonで実際に時系列解析をしたい人向け

  2020年2月23日に日本でレビュー済み

  フォーマット: 単行本

  Amazonで購入

  Brief content visible, double tap to read full content.

  Full content visible, double tap to read brief content.

  ARIMAなどの古典的手法から始まり、カルマンフィルタ・粒子フィルタ・HMMなどの状態空間モデル、ChangeFinderによる異常検知まで、今日の時系列解析におけるメジャーな手法が概ね網羅されています。

  そのぶん手法の解説は最低限に留まり、理論的背景を押さえたければ沖本時系列本か北川本などに当たる必要があります。

  Pythonにはstatsmodelsなど時系列手法を扱えるライブラリが複数存在しますが、いずれも解説が充実しているとは言い難く、実務での使用には若干のハードルがありました。

  本書の登場により、その障壁はかなり低くなったと言えるのではないでしょうか。

  ちなみにARIMAはstatsmodels、カルマンフィルタはPyKalman、HMMにはhmmlearnライブラリを使用しています。粒子フィルタのみnumpyベースのスクラッチ実装です。

  続きを読む表示を減らす

  19人のユーザーが役に立ったと感じています

  参考になった

  フィードバックを送信中...

  フィードバックをお寄せいただきありがとうございます。

  申し訳ありませんが、投票の記録に失敗しました。 もう一度お試しください

  報告する

  フィードバックを送信中...

  ありがとうございます。数日中に調査いたします。

  申し訳ありません。このレビューを報告できませんでした。 もう一度お試しください
• 

  lzh

  星5つ中3つ

  サンプルコードは動くがモデルの解説が少ない

  2020年5月2日に日本でレビュー済み

  フォーマット: 単行本

  Amazonで購入

  Brief content visible, double tap to read full content.

  Full content visible, double tap to read brief content.

  【いいところ】

  ・典型的なモデルを一通り抑えて挙動を比較しており, モデルによる予測挙動の比較がしやすい

  ・サンプルコードをほとんど修正することなく実際に動かすことができ, 書籍内の結果を再現できる

  【悪いところ】

  ・モデルの紹介やパラメタの推定方法が天下り的で与えられ, なぜこのように考えるのかという気持ちを理解することが難しい. (たとえば, カルマンゲインの説明は約3行のみ.) 理論的な背景はこの一冊のみで勉強することは難しいと思う.

  ・サンプルコードは python で書かれており, 乱数生成器や粒子フィルタ等をクラスオブジェクトとして作成して用いているものの, クラスフィールドやメソッド引数の型が明記されていないので, 読みづらくなっている. オブジェクト化することは一般的に良いことだと思われるが, python は動的型付けなので, 各クラスメソッドが参照する引数やクラスフィールドの型がなんであるか明示されていないとオブジェクト化のメリットをいまいち享受できていない. (おそらく, 実機でのコード実行を前提に書かれている)

  ・ところどころ添え字のインデックスに誤りがあると思われる. notation は章の初めにまとめておいてほしい

  続きを読む表示を減らす

  10人のユーザーが役に立ったと感じています

  参考になった

  フィードバックを送信中...

  フィードバックをお寄せいただきありがとうございます。

  申し訳ありませんが、投票の記録に失敗しました。 もう一度お試しください

  報告する

  フィードバックを送信中...

  ありがとうございます。数日中に調査いたします。

  申し訳ありません。このレビューを報告できませんでした。 もう一度お試しください
• 

  Amazon カスタマー

  星5つ中5つ

  pythonユーザーにおすすめ

  2019年10月21日に日本でレビュー済み

  フォーマット: 単行本

  Amazonで購入

  Brief content visible, double tap to read full content.

  Full content visible, double tap to read brief content.

  基本的な時系列解析を一通り学べます。実装コードもあるので、Pythonユーザーとしては有難かったです。

  続きを読む表示を減らす

  4人のユーザーが役に立ったと感じています

  参考になった

  フィードバックを送信中...

  フィードバックをお寄せいただきありがとうございます。

  申し訳ありませんが、投票の記録に失敗しました。 もう一度お試しください

  報告する

  フィードバックを送信中...

  ありがとうございます。数日中に調査いたします。

  申し訳ありません。このレビューを報告できませんでした。 もう一度お試しください
• 

  Amazon Customer

  星5つ中2つ

  分かりにくい　＆　バグがある模様

  2021年9月9日に日本でレビュー済み

  フォーマット: 単行本

  Amazonで購入

  Brief content visible, double tap to read full content.

  Full content visible, double tap to read brief content.

  項目や手法通しが、どのような関連になっているかが分かりにくい（木構造の概要図でもあれば良いのだが、それが無いので）

  一番最後のサンプルプログラムである異常検知のEncDec-ADは、本当にこれ、正しい動きでしょうか？

  分かる人が居たら教えて下さい。

  例えば、Ｐ１７９の「trainメソッド」や「evaluateメソッド」では、バッチ毎の繰り返し処理を行っていますが、このfor文の条件だと、必ず１回しか実行されないのでは？　これは正しい動きなのかがよく分からない。

  又、「trainメソッド」に引数として「clip_ratio」を渡していますが、メソッド内はもとより、プログラム全体に於いて、全く使用していないようなのだが、クリッピング率を指定しないのが正解なのかも不明。

  全体的に使用している変数の用途も、説明がなくて類推できなかったりするので、これで正しい動作なのかどうか分からない。

  追記（2021/10/05）

  ・Ｐ１７１の理論概要と、Ｐ１７３からの実装例の動きが異なっている模様

  ・呼出階層が深く、スパゲティ化している

  ・全体的に変数名が分かりにくかったり、同じ物なのに名称が異なったりしている

  ・ＣＰＵとＧＰＵで処理すると、出力（誤差値）の桁が全く異なる結果になる模様

  ・Ｐ１７５の「predict」メソッド内の「self.lstm」メソッドの戻り値は「_」で受けているのに、「train」メソッド内の「self.lstm」メソッドの戻り値は「out」で受けている。どんな意図があるのか不明

  ・又、「out」はその後使用していない。意図不明

  ・又、繰り返し処理を逆順にしている説明が無いので、それが正しいのかどうか分からない（「predict」メソッドでは正順で処理されている）

  ・Ｐ１７６の「call」メソッド内の変数「batch_size」は使用されていない。意図不明

  ・Ｐ１７７の「loss_fn」メソッドの変数「seq_len」「b_size」「n_dim_obs」は使用していない。何の為の処理なのか意図不明

  ・Ｐ１７７の「aanomary_score」メソッドの変数「seq_length」「batch_size」も使用していない

  ・Ｐ１７８の「_get_batch」メソッドの戻り値は、同じ物をコピーして返しているようだが、どういった意図があるのか不明

  ・この戻り値を使用している「loss_fn」メソッドに、同じ値を引数で渡しているが、どんな意図があるのか不明

  ・Ｐ１７７の「loss_fn」メソッド内の変数「labels」も使用されていない。意図不明

  ・「loss_fn」メソッド内と「anomaly_score」メソッド内で使用されている変数が「seq_len」と「seq_length」、「b_size」と「batch_size」で異なるのはどんな意図があるのか不明

  ・Ｐ１７８の「Dataset」クラス内で作成した深層学習に投入するデータのスケール変換（標準化又は正規化）は行わなくて良いのか？　精度は出るのか？

  ・Ｐ１７８の「_devide_into_batches」メソッド内の「nbatch」変数は、他メソッドの「seq_len」と同じ意味か？　そうだとしたら他メソッドと名称を変えた意図が何かなのか不明

  ・Ｐ１７９の「model_loss」メソッドは、わざわざ関数内関数にする必要があるのか不明（「evaluate」メソッド内ではそうなっていない）

  ・Ｐ１７９の「model_loss」メソッドと「evaluate」メソッドの繰り返し処理のやり方（記述方法）が異なるのはどんな意図があるのか不明。同様の記述では駄目なのか？

  ・Ｐ１８１の「main」関数内で呼び出している「train」メソッドと「evaluate」メソッドの引数の渡し方が異なるのは何故か？　例えば「train」メソッドでは「args.seq_len」と渡しているのに、「evaluate」メソッドでは「args」を渡し、メソッド内で「args.seq_len」を参照しているが、どんな意図があるのか？

  ・Ｐ１８２に、エントリーポイントの例示が無い（書籍とサンプルコードが異なる）

  ・学習済モデルの保存の例示が無い（実用的では無い）

  ・保存した学習済モデルを再ロードして実際に値を推定させる例示が無い（実用的では無い）

  続きを読む表示を減らす

  11人のユーザーが役に立ったと感じています

  参考になった

  フィードバックを送信中...

  フィードバックをお寄せいただきありがとうございます。

  申し訳ありませんが、投票の記録に失敗しました。 もう一度お試しください

  報告する

  フィードバックを送信中...

  ありがとうございます。数日中に調査いたします。

  申し訳ありません。このレビューを報告できませんでした。 もう一度お試しください
• 

  西澤 和浩

  星5つ中3つ

  内容はいいが、見た目よりは不親切

  2019年10月28日に日本でレビュー済み

  フォーマット: 単行本

  Amazonで購入

  Brief content visible, double tap to read full content.

  Full content visible, double tap to read brief content.

  時系列解析については、情報があまり多くなく、興味があり購入しました。

  現在この本を用いて、コードを書いては、ソースコードと照らし合わせるような方式の勉強を進めています。

  ソースコードを見ていて気づいたのですが、ソースデータのURLが書かれているものがあったり、なかったりとちょっと使用上面倒臭かったです。

  金融データやアイスのデータも、どのデータを使えばいいのか、指定のURLだけでは迷ってしまうような状態でした。(それくらい自力でやれって事なんでしょうが。)

  1.5や1.6章ではURLをつけているのに、1.4ではデータの場所を示していないのも少し不親切でした。(ソースコードにいけばありますが。)このような事なら、サポートサイトのソースコードの中に使用データを全て置いておいた方がよかったのではないかと思いました。

  あと、サポートサイトについてですが、初版では、

  https://www.kyoritsu-pub.co.jp/bookdetail/9784320044722

  『X線分光』の本のサイトに行きます。多分誤植だと思います。

  正しくは、ソースコードがある、

  https://www.kyoritsu-pub.co.jp/bookdetail/9784320125018

  かと思います。間違っていたら訂正お願いします。

  ソースコード格納場所リンクが間違っているのは少し致命的なような気がしました。

  内容は大変勉強になるので星3にしました。

  続きを読む表示を減らす

  35人のユーザーが役に立ったと感じています

  参考になった

  フィードバックを送信中...

  フィードバックをお寄せいただきありがとうございます。

  申し訳ありませんが、投票の記録に失敗しました。 もう一度お試しください

  報告する

  フィードバックを送信中...

  ありがとうございます。数日中に調査いたします。

  申し訳ありません。このレビューを報告できませんでした。 もう一度お試しください
• 

  Izy

  星5つ中2つ

  再現しづらい

  2020年5月20日に日本でレビュー済み

  フォーマット: 単行本

  Amazonで購入

  Brief content visible, double tap to read full content.

  Full content visible, double tap to read brief content.

  データがそのまま使えなかったり、コードが動かなかったりと実装面での難点が多い

  時系列系はRが中心なので、Pythonで取り組んでいる参考書は少ないためPythonでどう実現するかを確かめる目的で参考にするのがよいかと。理論自体は、Rで書いているとはいえ沖本本か隼本で学べばよいかと。

  続きを読む表示を減らす

  7人のユーザーが役に立ったと感じています

  参考になった

  フィードバックを送信中...

  フィードバックをお寄せいただきありがとうございます。

  申し訳ありませんが、投票の記録に失敗しました。 もう一度お試しください

  報告する

  フィードバックを送信中...

  ありがとうございます。数日中に調査いたします。

  申し訳ありません。このレビューを報告できませんでした。 もう一度お試しください
• 

  Amazon Customer

  星5つ中1つ

  理論、実装ともに中途半端

  2021年7月25日に日本でレビュー済み

  フォーマット: 単行本

  Amazonで購入

  Brief content visible, double tap to read full content.

  Full content visible, double tap to read brief content.

  自己回帰モデルの理論の説明はほぼ沖本（朝倉）のコピー。巻末に参考として載せているとはいえ引用とは書いていないから盗作と訴えられても仕様がないレベル。つまみつまみコピーしているから、沖本（朝倉）よりも当然わかりにくい。

  理論ではなくpythonでの実装に重きを置いているということは巻頭にも記載ある。しかし、公開ライブラリのバージョンアップによるせいか、書いてあるコードをそのまま実行すると警告やエラーが出る。あと引数の説明が無い部分もある。バージョンアップによる警告・エラーは仕様がないと思われるかもしれないが、実装に重きを置いているのであれば、Erattaなどで対応するべきだろう。

  続きを読む表示を減らす

  7人のユーザーが役に立ったと感じています

  参考になった

  フィードバックを送信中...

  フィードバックをお寄せいただきありがとうございます。

  申し訳ありませんが、投票の記録に失敗しました。 もう一度お試しください

  報告する

  フィードバックを送信中...

  ありがとうございます。数日中に調査いたします。

  申し訳ありません。このレビューを報告できませんでした。 もう一度お試しください
• 

  3時のおやつ

  星5つ中1つ

  現時点では購入価値はありません

  2024年5月11日に日本でレビュー済み

  フォーマット: 単行本

  Amazonで購入

  Brief content visible, double tap to read full content.

  Full content visible, double tap to read brief content.

  プログラムが全く動きません。statsmodelsのバージョンの違いだと思いますが、サポートページもなく不親切です。理論面より実践面を解説したいのなら、初心者を対象としているのならば、サポートページやエラータなどで購入した読者にサポートをすべきだと思います。理論面は沖本本で学べば良いし、実践面は最近出版されている書籍が利用できるのならば、この書籍は現時点で利用価値はなくお金の無駄使いだと思います。今後に期待したいですが…

  続きを読む表示を減らす

  4人のユーザーが役に立ったと感じています

  参考になった

  フィードバックを送信中...

  フィードバックをお寄せいただきありがとうございます。

  申し訳ありませんが、投票の記録に失敗しました。 もう一度お試しください

  報告する

  フィードバックを送信中...

  ありがとうございます。数日中に調査いたします。

  申し訳ありません。このレビューを報告できませんでした。 もう一度お試しください