foundryts.functions.linear_regression

foundryts.functions.linear_regression(include_intercept=True, time_unit='ns', start=None, end=None)

単一の時系列に対して線形回帰を実行する関数を返します。

線形回帰は、入力時系列のデータ点に最もよく適合する直線のパラメーターを求めます。線形回帰は y = Ax + B と表され、A は直線の傾き、B は y 切片です。返される関数は、パラメーター A と B を返します。

線形回帰は、時系列データの線形トレンドを特定して定量化する必要がある場合に役立ちます。

パラメーター：
- time_unit (str , 任意) – 係数の時間単位です。「s」、「ms」、「us」、「ns」のいずれかである必要があります（デフォルトは「ns」です）。
- start (str | int | datetime.datetime , 任意) – 線形回帰の計算に使用する時系列の開始点（この値を含む）です。
- end (str | int | datetime.datetime , 任意) – 線形回帰の計算に使用する時系列の終了点（この値を含まない）です。
戻り値： 単一の時系列を受け取り、線形回帰を使用して、その時系列のデータ点に最もよく適合する直線のパラメーターを返す関数です。
戻り値の型： (FunctionNode) -> SummarizerNode

データフレームのスキーマ

列名	データ型	説明
max_bounds.first_value	Float	`y=Ax+B` の傾き (A) の最大値です。
max_bounds.second_value	Float	`y=Ax+B` の切片 (B) の最大値です。
min_bounds.first_value	Float	`y=Ax+B` の傾き (A) の最小値です。
min_bounds.second_value	Float	`y=Ax+B` の切片 (B) の最小値です。
regression_fit_function. linear_regression_fit. slope	Float	`y=Ax+B` における線形回帰の近似直線のパラメーター「A」（傾き）です。
regression_fit_function. linear_regression_fit. intercept	Float	`y=Ax+B` における線形回帰の近似直線のパラメーター「B」（切片）です。
regression_fit_function. linear_regression_fit. statistics.rsquared	Float	線形回帰の適合度を示す決定係数（R 二乗値）です。

例

Copied!1
2
3
4
5
6
7
8
9
10
>>> series = F.points(
...     (10, 6.0), (20, 12.0), (30, 24.0), (40, 48.0), (50, 96.0), name="series"
... )
>>> series.to_pandas()
                      timestamp  value
0 1970-01-01 00:00:00.000000010    6.0
1 1970-01-01 00:00:00.000000020   12.0
2 1970-01-01 00:00:00.000000030   24.0
3 1970-01-01 00:00:00.000000040   48.0
4 1970-01-01 00:00:00.000000050   96.0

Copied!1
2
3
4
>>> lin_regr = F.linear_regression()(series)
>>> lin_regr.to_pandas()
   max_bounds.first_value  max_bounds.second_value  min_bounds.first_value  min_bounds.second_value  regression_fit_function.linear_regression_fit.intercept  regression_fit_function.linear_regression_fit.slope  regression_fit_function.linear_regression_fit.statistics.rsquared
0                    50.0                     96.0                    10.0                      6.0                                              -27.6                                                     2.16                                             0.870968

←

PREVIOUSfunctions.last_point

NEXTfunctions.mean

→