時空間データに対するアンサンブル予測手法の開発
完了
栗栖 大輔
時空間データ解析の主要な目的の1つとして、未観測地点における将来値の予測(時空間予測)がある。機械学習的アプローチから統計モデリング的アプローチまで、これまでに様々な予測手法が提案されてきたが、個々のタスクでどの手法を採用するべきかについて明確な答えを与えるのは難しい。本研究では、アンサンブル学習と呼ばれる枠組みを用い、複数の予測を合成する技術を開発する。特に、既存のアンサンブル学習と大きく異なる点として、合成するための各予測に対するウエイトが時空間的に変化すること考慮することで、より柔軟性の高い予測合成手法を開発し、より精度の高い時空間予測を実現する。
変更のために新しい申請を保存します。 This will save a new application on the system for a modification.
申請中の研究者は表示されません。 / Pending researchers are not shown.
菅澤翔之助 / 慶應義塾大学
申請中のデータセットは表示されません。 / Pending datasets are not shown.
不動産データライブラリー 戸データ 全国 2018-2022 データセット
年次報告の内容はメンバーのみ表示されます。