データサイエンスチュートリアル

インストールから分析まで、すべての例をpandas 3.1で検証済み。

実行可能なコードでPySparkを学ぶ：PySpark 4.3のセットアップ、DataFrameのselect・filter・group・join、Spark SQLによるクエリ、pyspark.mlでの顧客クラスタリング。

自己回帰モデルは、時系列の将来の値をその過去から予測します。Pythonのstatsmodelsでの当てはめ、PACFとAIC/BICによる遅延次数の選択、MAやARIMAとの比較まで解説します。

ARIMAXが外部予測変数でARIMAをどう拡張するか、そのパラメータと前提を理解し、Pythonのstatsmodelsで予測モデルを構築しましょう。

SARIMAXが季節時系列モデリングと外部予測子をどのように組み合わせるかを学びます。パラメータの意味、ARIMAやSARIMAとの違いを理解し、Pythonで予測モデルを構築しましょう。

求積法とは何か、数値積分がどのように定積分を近似するか、台形則・シンプソン則・ガウス求積の仕組みを学びます。

Box-Cox変換の仕組み、ラムダパラメータの選び方、分散の安定化・歪度の低減・統計モデルの改善に役立つ使いどころを学びます。

尤度比は、2つの仮説やモデルが同じデータをどれだけうまく説明するかを比較します。この記事では、その式、コイントスの具体例、PythonとRによるネストされた回帰モデルの尤度比検定、診断テストにおける尤度比を取り上げます。

ステップワイズ回帰は、前進・後退・双方向の探索で予測変数選択を自動化しますが、その単純さゆえに安定性や過学習にトレードオフがあります。

統計的裁定取引とは何か、クオンツが一時的な価格関係をどう見抜くのか、そしてペアトレードや平均回帰といった戦略が実務でどう機能するのかを学びます。

拡大行列とは何か、どのように連立方程式を表すのか、そして行基本変形を使ってどのように解くのかを学びます。

残差プロットとは何か、一般的なパターンの読み方、そして非線形性、不均一分散、外れ値など回帰の問題の発見にどう役立つかを学びます。