スペクトル・時系列データの前処理の方法~平滑化 (スムージング) と微分~

シェアする

 スペクトル解析のときや、時系列データを扱うときの話です。

いくつかの点でスペクトルデータと時系列データは似ています。たとえば、隣同士の値が似ているっていう点ですね。他にも、データにノイズが含まれるという点も共通した特徴です。

このようにスペクトルデータと時系列データとが共通した特徴を持っていることから、同じようなデータの前処理により、その後の回帰モデルやクラス分類モデルの構築において、推定性能を向上させる試みがあります。

今回は、そのようなスペクトル・時系列データの前処理の方法として、平滑化 (スムージング) と微分を紹介します。データの前処理法のpdfファイルはこちらから、パワーポイント(pptx)ファイルはこちらからダウンロードできます。

pdfもスライドも自由にご利用ください

興味のある方はぜひ参考にしていただき、どこかで使いたい方は遠慮なくご利用ください。

スライドのタイトル

  • スペクトルデータの特徴
  • 時系列データの特徴
  • スペクトル・時系列データ
  • スペクトル・時系列データの前処理
  • 単純移動平均 (スペクトルデータ)
  • 単純移動平均 (時系列データ)
  • 線形加重移動平均 (スペクトルデータ)
  • 線形加重移動平均 (時系列データ)
  • 指数加重移動平均 (スペクトルデータ)
  • 指数加重移動平均 (時系列データ)
  • 微分
  • Savitzky-Golay (SG) 法
  • SG法の例
  • SG法 (スペクトルデータ)
  • SG法 (時系列データ)
  • 手法・ハイパーパラメータ・微分次数はどうする?
  • ① モデルの検証による選択
  • ① モデルの検証による選択 特徴
  • ② ノイズの正規分布性による選択
  • ② ノイズの正規分布性による選択 特徴

以上です。

質問やコメントなどありましたら、twitter, facebook, メールなどでご連絡いただけるとうれしいです。

シェアする

フォローする