AR

過去の自分の値から先を予測するモデル（自己回帰）です。時系列予測の中でいちばん単純な形で、まず試す出発点になります。

入出力

ポート	内容
入力データ	データ
出力データ	データ
エラー情報	データ

Spark エンジンでは動きません。

入力の行はそのままでは残りません。 出力は実測値と予測値を縦に並べた別の表になります。

出力の形

出力は次の 4 列です。グループごとにモデルを作成するを使ったときは、グループの列がいちばん右に付きます。

列名	内容
`カテゴリ`	その行が実測か予測かの区別
`予測対象`	予測した列の名前
日付列と同じ名前の列	日付
`値`	実測値または予測値

カテゴリ に入るのは 3 つです。

値	中身
`実測`	入力にあった値そのまま
`過去データ検証`	実測のある期間に対する、モデルの当てはめ値
`予測`	入力より先の期間の予測値

実測と当てはめ値を同じグラフに重ねれば、モデルが合っているかを目で確かめられます。 カテゴリ を折れ線グラフの系列に使ってください。

2 つ目の エラー情報 には エラーメッセージ の列が入ります。エラーが 1 つも起きなかったときは、全てのグループで正常に終了しました という 1 行だけが入ります。

設定項目

予測対象列を選択必須: 予測したい値の列。数値の列だけ選べます。複数選べます。
日付列を選択必須: 時間の軸。日付・日付時間・時間の列だけ選べます。
予測期間の設定必須: 何期先まで予測するか。既定は 3。1 期の長さは、日付列の間隔そのものです。

オプション

最適ラグ数を決める際の評価指標を選択: AIC（既定）か BIC。何期前までを使うかを自動で決める基準です。
グループごとにモデルを作成する: on にするとグルーピングする列を選択が出て、店舗ごと・商品ごとに別々のモデルを作ります。
エラーを無視する: on にすると、失敗したグループ・失敗した予測対象列を飛ばして続けます。飛ばした理由は エラー情報 に入ります。

ラグ数（何期前まで使うか）は自動で決まります。 自分で指定したいときは ARMA の p を使ってください。

入力データの前提

1 時点 1 行で、日付が連続している必要があります。

問題	直し方
同じ日付の行が複数ある	データ集計で日付をキーにまとめる
抜けている期間がある	連続数値、日付の補間で行を作る
値に空欄がある	時系列に沿った欠損値処理で埋める

入力の行順は問いません。 中で日付の昇順に並べ替えてから計算します。

AIC と BIC

どちらも「モデルの当てはまりと複雑さの釣り合い」を測る指標です。BIC の方が単純なモデルを選びやすい傾向があります。迷ったら既定の AIC のままで構いません。

エラーと対処

「エラーを無視する」を on にすると、途中で止まらずに済みます。 失敗した分は出力から抜け、理由が エラー情報 に入ります。ただしひとつも作れなかったときは「全てのグループでモデル作成に失敗しました」で止まります。

日付列に欠損値がある

処理対象列に欠損値が含まれています。欠損値を除外するか補完してください。

直し方 — 日付が空の行を欠損値処理で落としてください。

予測対象列に欠損値がある

処理対象列に欠損値が含まれています。欠損値を除外するか補完してください。

日付列でも予測対象列でも、画面に出る文面は同じです。 どちらの列が原因かはメッセージからは分かりません。

直し方 — 時系列に沿った欠損値処理で埋めてください。

予測対象列に数値以外がある

処理対象列に数値型以外のデータが含まれてます。型変換をするか、数値型以外の列を除去してください。

直し方 — 列の型変更で数値にしてください。

日付列の値が重複している

同じ日付の行が複数あるときに出ます。時系列モデルは 1 時点 1 行を前提にします。

{{index_label}}列の値が重複しています。集計するなどして重複をなくしてください。

直し方 — データ集計で日付をキーにまとめてください。

日付が連続していない

抜けている期間があるときに出ます。

{{index_label}}が連続ではありません。時系列データの補間をお試しください。

直し方 — 連続数値、日付の補間で抜けている日付の行を作り、時系列に沿った欠損値処理で値を埋めてください。

すべてのグループで失敗した

どのグループ・どの予測対象列もモデルを作れなかったときに出ます。

全てのグループでモデル作成に失敗しました。: {{error_msg}}

直し方 — グループの分け方を粗くして、1 グループあたりの行数を増やしてください。エラーを無視するを on にすると、作れたグループだけが出力されます。

選んだ列が入力にない

前のノードで列名を変えたり削除したりすると出ます。

対象の列が選択されていません。

対象の列が存在しません。

直し方 — 予測対象列を選択・日付列を選択・グルーピングする列を選択を選び直してください。

よく使う例

1. 売上を 3 か月先まで予測する

月次の売上から、先の見込みを立てたいとき。

入力

年月	売上
2024-01-01	100
2024-02-01	120
…（24 か月分）	…

設定

設定項目	値
予測対象列を選択	売上
日付列を選択	年月
予測期間の設定	3

出力 — カテゴリ が 実測 の 24 行、過去データ検証 の行、予測 の 3 行が縦に並びます。

2. 複数の列をまとめて予測する

売上と客数を同じ設定で予測したいとき。

入力

年月	売上	客数
2024-01-01	100	40
2024-02-01	120	45

設定

設定項目	値
予測対象列を選択	売上、客数
日付列を選択	年月

出力 — 予測対象 が 売上 の行と 客数 の行が縦に並びます。列は増えません。

3. 店舗ごとに予測する

店舗別の見込みが欲しいとき。

入力

店舗	年月	売上
渋谷	2024-01-01	100
池袋	2024-01-01	50

設定

設定項目	値
予測対象列を選択	売上
日付列を選択	年月
グループごとにモデルを作成する	on（列に `店舗`）
エラーを無視する	on

出力 — 4 列に 店舗 が加わった 5 列になります。開店したばかりで行数の足りない店舗は出力から抜け、理由が エラー情報 に入ります。

4. 単純なモデルより複雑な基準で選ぶ

AIC だとラグ数が多くなりすぎて、先の予測がぶれるとき。

入力 — 例 1 と同じ

設定

設定項目	値
最適ラグ数を決める際の評価指標を選択	BIC

出力 — AIC より短いラグが選ばれやすくなり、予測がなだらかになります。

5. モデルが合っているかを確かめる

予測を人に見せる前に、当てはまりを確認したいとき。