時系列データ

時間の順序情報を持ったデータで、過去の値が将来の値に影響を与える時間依存性を特徴とする。株価、気温、売上、センサーデータなど幅広い分野で重要なデータ形式。

特徴：
・時間順序性
・自己相関性
・季節性・トレンド
・不規則変動

機械学習での注意点：
・時系列順でのデータ分割
・未来データの使用禁止
・時系列専用交差検証
・ラグ特徴量の作成

前処理手法：
・欠損値処理（前方補完、線形補間）
・外れ値処理
・平滑化
・定常化
・リサンプリング・株価・為替の予測モデル
・需要予測（小売・製造）
・IoTセンサーデータ分析
・Webトラフィック予測
・異常検知システム
・季節調整済み売上分析
・気象予測
・エネルギー消費予測
・交通量予測
・設備故障予知
・在庫最適化
・経済指標分析・Prophet（Facebook）
・LSTM, GRU
・ARIMA, SARIMA
・XGBoost（特徴量エンジニアリング）
・TensorFlow Time Series
・scikit-learn TimeSeriesSplit
・statsmodels
・pmdarima
・sktime
・Darts
・NeuralProphet・リーケージ（データ漏洩）の防止
・適切な評価期間の設定
・外部要因の考慮
・継続的なモデル更新
・ドメイン知識の活用
・季節性の適切な処理
・Walk-forward validation
・予測区間の設定