Time-series-python-libraries
時系列-Pythonライブラリ
Pythonは、記述しやすく、理解しやすいコード構造とさまざまなオープンソースライブラリにより、機械学習を行う個人の間で定評があります。 今後の章で使用するこのようなオープンソースライブラリのいくつかを以下に紹介します。
NumPy
数値Pythonは、科学計算に使用されるライブラリです。 N次元配列オブジェクトで機能し、サイズ、形状、平均、標準偏差、最小、最大などの基本的な数学機能、および線形代数関数やフーリエ変換などのより複雑な関数を提供します。 このチュートリアルで先に進むと、これらについて詳しく知ることができます。
パンダ
このライブラリは、シリーズ、データフレーム、パネルなどの非常に効率的で使いやすいデータ構造を提供します。 単なるデータの収集と準備からデータ分析まで、Pythonの機能が強化されています。 PandasとNumPyの2つのライブラリにより、小規模から非常に大規模なデータセットに対する操作が非常に簡単になります。 これらの機能の詳細については、このチュートリアルに従ってください。
SciPy
Science Pythonは、科学技術計算に使用されるライブラリです。 最適化、信号および画像処理、統合、補間、線形代数のための機能を提供します。 このライブラリは、機械学習を実行する際に便利です。 このチュートリアルでは、これらの機能について説明します。
Scikit Learn
このライブラリは、カスタマイズ可能なさまざまな回帰モデル、分類モデル、クラスタリングモデルが含まれているため、統計モデリング、機械学習、深層学習に広く使用されているSciPyツールキットです。 Numpy、Panda、その他のライブラリとうまく機能するため、使いやすくなります。
統計モデル
Scikit Learnと同様に、このライブラリは統計データの調査と統計モデリングに使用されます。 また、他のPythonライブラリでもうまく動作します。
Matplotlib
このライブラリは、ラインプロット、棒グラフ、ヒートマップ、散布図、ヒストグラムなどのさまざまな形式でデータを視覚化するために使用されます。 プロットからラベル付けまでに必要なすべてのグラフ関連機能が含まれています。 このチュートリアルでは、これらの機能について説明します。
これらのライブラリは、あらゆる種類のデータで機械学習を開始するために非常に重要です。
上記で説明したものに加えて、時系列を扱うのに特に重要な別のライブラリは-
日付時刻
このライブラリは、datetimeとcalendarの2つのモジュールを備えており、時間の読み取り、フォーマット、および操作に必要なすべてのdatetime機能を提供します。
今後の章でこれらのライブラリを使用します。