#time-series

4 記事

01 ·時系列データ系·★ 会員·論文·15分で読めます 論文解説: WearableQA — 実ユーザー500日分のウェアラブル記録でLLMの「健康推論」を測る WearableQA: A Benchmark for Health Reasoning over Real-World Wearable Data 200人の実ユーザー・最長500日の日次ウェアラブル記録と血液検査から作った4,084問の10択ベンチマーク。「知識で答える」と「数列から読み取る」を分けて測ると、14モデルの正答率は19.6%〜72.9%まで割れ、Python実行を許すだけで20ポイント上がる。論文本文に沿って、問題の作り方と結果の読み方を1から解説する。 02 ·時系列データ系·★ 会員·論文·13分で読めます 時系列異常検知 — 監視の現場で動いている数学 Bayesian Online Changepoint Detection 監視のアラートは、値の大きさではなく「その時刻に期待される値とのずれ」で鳴らすべきです。ロバストな統計量・予測残差・部分列の近傍距離・変化点検出という4つの物差しを比喩から式まで積み上げ、実務で最も事故が多い閾値の決め方と評価の罠まで扱います。 03 ·時系列データ系·無料·論文·13分で読めます 時系列にTransformerは効くのか — 論争と実務の答え Are Transformers Effective for Time Series Forecasting? 1層の線形モデルが当時の時系列Transformer群を上回った2022年の論争から、パッチ化で反撃したPatchTST、軸を転置したiTransformerまで。原因は注意機構ではなくトークンの切り方でした。それでも実務のコンペを勾配ブースティングが取り続ける理由も、データの形の違いから説明します。 04 ·時系列データ系·無料·12分で読めます 時系列予測を1から解説 — 古典手法から基盤モデルまで 時系列予測が普通の回帰と決定的に違うのは、行が独立でないことと、テストが必ず未来側にあることです。自己相関と定常性から入り、ARIMAの直感、季節とトレンドの分解、深層モデルと時系列基盤モデルの位置づけまで。最後に、実務で最も事故が多い「評価」——ランダム分割の禁止、バックテストの作法、MAPEの罠を厚く扱います。