<?xml version="1.0" encoding="utf-8" standalone="yes" ?>
<rss version="2.0" 
  xmlns:content="http://purl.org/rss/1.0/modules/content/" 
  xmlns:dc="http://purl.org/dc/elements/1.1/" 
  xmlns:atom="http://www.w3.org/2005/Atom" 
  xmlns:sy="http://purl.org/rss/1.0/modules/syndication/" 
  xmlns:media="http://search.yahoo.com/mrss/">
  <channel>
    <title>時系列予測 on 行李の底に収めたり[YuWd]</title>
    <link>https://yuiga.dev/blog/tags/%E6%99%82%E7%B3%BB%E5%88%97%E4%BA%88%E6%B8%AC/</link>
    <description>Recent content in 時系列予測 on 行李の底に収めたり[YuWd]</description>
    <generator>Hugo -- gohugo.io</generator>
    <language>ja</language>
    <copyright>©2023, All Rights Reserved</copyright>
    <lastBuildDate>Thu, 10 Mar 2022 17:48:44 +0900</lastBuildDate>
    
        <atom:link href="https://yuiga.dev/blog/tags/%E6%99%82%E7%B3%BB%E5%88%97%E4%BA%88%E6%B8%AC/index.xml" rel="self" type="application/rss+xml" />
    

      
      <item>
        <title>DTW距離</title>
        <link>https://yuiga.dev/blog/posts/dtw%E8%B7%9D%E9%9B%A2/</link>
        <pubDate>Thu, 10 Mar 2022 17:48:44 +0900</pubDate>
        
        <atom:modified>Thu, 10 Mar 2022 17:48:44 +0900</atom:modified>
        <guid>https://yuiga.dev/blog/posts/dtw%E8%B7%9D%E9%9B%A2/</guid>
        <description>２つの時系列データ $\boldsymbol{s}, \boldsymbol{t}$の類似度を計算 $\boldsymbol{s}, \boldsymbol{t}$をそれぞれ軸としたグリッドに対して, 最小のパスをDTWとする</description>
        
        <dc:creator>YuWd (Yuiga Wada)</dc:creator>
        <media:content url="https://yuiga.dev/bloghttps://gyazo.com/0ea4e45a9f54e311bf1c6e19667befb7.png" medium="image"><media:title type="html">featured image</media:title></media:content>
        
        
        
          
            
              <category>機械学習</category>
            
          
            
              <category>時系列予測</category>
            
          
            
              <category>post</category>
            
          
        
        
        
          
            
          
        
      </item>
      
      <item>
        <title>AR・MA・ARMA・ARIMA・SARIMA</title>
        <link>https://yuiga.dev/blog/posts/armaarmaarimasarima/</link>
        <pubDate>Sun, 06 Mar 2022 05:37:07 +0900</pubDate>
        
        <atom:modified>Sun, 06 Mar 2022 05:37:07 +0900</atom:modified>
        <guid>https://yuiga.dev/blog/posts/armaarmaarimasarima/</guid>
        <description>AR Autoregressive Model 自己回帰モデル t-1の観測値と誤差項epsで回帰 AR(1) $$y_t = \phi y_{t-1} + \epsilon_t + \mu$$ MA Moving Average 移動平均モデル ARのように観測値メインではなく, 誤差項＝差分をメインに計算する MA(1) $$y_t = \phi \epsilon_{t-1} + \epsilon_t + \mu$$ ARMA ARとMAを加算しただけ ARIMA d階差分系列 $y_t - y_{t-d}$をARMAで記述する ARIMA単体でAR・MA・ARMAを表現できる SARIMA ARIMAに加え</description>
        
        <dc:creator>YuWd (Yuiga Wada)</dc:creator>
        
        
        
        
          
            
              <category>時系列予測</category>
            
          
            
              <category>post</category>
            
          
        
        
        
          
            
          
        
      </item>
      

    
  </channel>
</rss>
