はじめに

実際に自分で集めたデータを用いて、機械学習の予測モデル構築をしたい。
自室の温度の予測モデルを構築することにしました。
その、データ取得からモデル作成、評価までの道のりを書きました。

この記事は、以下の記事と関係しています。

予測内容

説明変数
- 新潟県の気温(℃)
- 新潟県の湿度(%)
- 新潟県の降水量(mm)
- 新潟県の日射量(MJ/㎡)
- 新潟県の風速(m/s)
- 新潟県の気圧(hPa)
目的変数
- 室内温度(switchBot 温湿度計によって計測される室内の温度(℃))

データの準備

気象庁のＨＰか新潟県のら気象データのダウンロード
- url : https://www.data.jma.go.jp/gmd/risk/obsdl/
- 地点 : 新潟県
- 期間 : 2023 年 10 月 10 日 ~ 2023 年 11 月 14 日
- 項目 : 気温、降水量、日照時間、風向・風速、全天日照量、現地気圧、相対湿度、露点温度、雲量
室内の気温データ
- switchBotから温湿度計のデータをダウンロード
- 地点 : 新潟県新潟市某所
- 期間 : 2023 年 10 月 10 日 ~ 2023 年 11 月 14 日
- 項目 : 温度
新潟県の気温と室内温度のグラフ
訓練データとテストデータの割合
- 70% : 30%

予測モデル構築

LinearRegression

from sklearn.linear_model import LinearRegression

model = LinearRegression()

model.fit(x_train, y_train)

y_pred = model.predict(x_test)

test : 実際の測定データ　pred : 予測値　train : 新潟県の気温データ

SVR (kernel=linear)

from sklearn.svm import SVR

model = SVR(kernel="linear")

model.fit(x_train, y_train)

y_pred = model.predict(x_test)

test : 実際の測定データ　pred : 予測値　train : 新潟県の気温データ

Lars

from sklearn.linear_model import Lars

model = Lars()

model.fit(x_train, y_train)

y_pred = model.predict(x_test)

test : 実際の測定データ　pred : 予測値　train : 新潟県の気温データ

KernelRidge

from sklearn.kernel_ridge import KernelRidge

model = KernelRidge()

model.fit(x_train, y_train)

y_pred = model.predict(x_test)

test : 実際の測定データ　pred : 予測値　train : 新潟県の気温データ

モデル評価

モデルの評価方法
- MAE : 平均絶対誤差
  - 予測値と実際の値との絶対的な差の平均を表します。
  - MAEの最小値は0で、値が0に近いほどモデルとデータがよく当てはまっていることを示します。
  - 例えば、mae = 1.323942だった場合、
    そのモデルの予測は平均 1.323942 ずれているということがわかります。
```
MAE = \frac{1}{N} \sum|y_i - \hat{y_i}|
```
  - python
    from sklearn.metrics import mean_absolute_error mae = mean_absolute_error(y_test, y_pred)
- MSE : 平均二乗誤差
  - 予測値と実際の値との差の二乗の平均を表します。これは、大きなエラーをより重視するためのメトリクスで、予測エラーが大きい場合にはMAEよりも大きな値を示します。
  - MSEの最小値は0で、値が0に近いほどモデルとデータがよく当てはまっていることを示します。
```
MSE = \frac{\sum_{i=0}^{N-1} (\mathbf{y}_i - \hat{\mathbf{y}}\_i)^2}{N} 
```
  - python
    from sklearn.metrics import mean_squared_error mse = mean_squared_error(y_test, y_pred)
- R2 : 決定係数
  - R2は、モデルがデータの変動をどれだけ説明できるかを示す指標です。
  - 1に近いほどモデルの予測精度が高いと評価されます。
  - 具体的には、全変動（全データが平均からどれだけばらついているか）のうち、モデルが説明できる変動の割合を示します。
```
R^2 = 1 - \frac{\sum_{i = 1}^n ( y_i - \hat{y}_i ) ^2}{\sum_{i = 1}^n ( y_i - \bar{y} ) ^2}
```
  - python
    from sklearn.metrics import r2_score r2 = r2_score(y_test, y_pred)

評価結果

モデル	MAE	MSE	R2
LinearRegression	1.4475982744109843	3.1562012498508447	0.5523273101586398
SVR (kernel=linear)	1.4782935724471926	3.3019821622216803	0.5316498792845268
Lars	1.355224203216034	2.5246931640257815	0.6418998377188626
KernelRidge	1.2644409319197556	2.606269407541983	0.6303291381749798

まとめ

LarsのMAE(平均絶対誤差)が1.355224203216034だったので、そこそこの精度で予測できているとおもいます。
しかし、データの数が少なく、季節性変動をうまく予測できていないように見受けられます。グラフを見ると、テストデータの10月のはじめは、うまく予測できていますが、11月に入ると予測精度が落ちます。
そのため、もっと多くのデータを収集する必要があると感じました。

参考文献