# 時系列予測の入門 時系列予測とは何でしょうか？過去の傾向を分析することで未来の出来事を予測することです。 ## 地域別トピック: 世界の電力使用量 ✨ この2つのレッスンでは、時系列予測について紹介します。これは機械学習の中でもあまり知られていない分野ですが、産業やビジネスの応用をはじめとするさまざまな分野で非常に価値があります。ニューラルネットワークを使用してこれらのモデルの有用性を向上させることもできますが、ここでは過去のデータに基づいて未来のパフォーマンスを予測するための古典的な機械学習の文脈で学びます。 地域別の焦点は世界の電力使用量です。この興味深いデータセットを使って、過去の負荷パターンに基づいて将来の電力使用量を予測する方法を学びます。このような予測はビジネス環境で非常に役立つことがわかるでしょう。  ラジャスタンの道路にある電力塔の写真は、[Peddi Sai hrithik](https://unsplash.com/@shutter_log?utm_source=unsplash&utm_medium=referral&utm_content=creditCopyText) によるもので、[Unsplash](https://unsplash.com/s/photos/electric-india?utm_source=unsplash&utm_medium=referral&utm_content=creditCopyText) に掲載されています。 ## レッスン 1. [時系列予測の入門](1-Introduction/README.md) 2. [ARIMA時系列モデルの構築](2-ARIMA/README.md) 3. [時系列予測のためのサポートベクター回帰モデルの構築](3-SVR/README.md) ## クレジット 「時系列予測の入門」は [Francesca Lazzeri](https://twitter.com/frlazzeri) と [Jen Looper](https://twitter.com/jenlooper) によって ⚡️ 書かれました。このノートブックは、元々 [Francesca Lazzeri](https://twitter.com/frlazzeri) によって書かれた [Azure "Deep Learning For Time Series" リポジトリ](https://github.com/Azure/DeepLearningForTimeSeriesForecasting) に初めてオンラインで公開されました。SVRのレッスンは [Anirban Mukherjee](https://github.com/AnirbanMukherjeeXD) によって書かれました。 --- **免責事項**: この文書は、AI翻訳サービス [Co-op Translator](https://github.com/Azure/co-op-translator) を使用して翻訳されています。正確性を追求しておりますが、自動翻訳には誤りや不正確な部分が含まれる可能性があることをご承知ください。元の言語で記載された文書が正式な情報源とみなされるべきです。重要な情報については、専門の人間による翻訳を推奨します。この翻訳の使用に起因する誤解や誤解釈について、当社は責任を負いません。