の確認をおこなっていきます。
trend+XGBoost(相互作用の学習)を組み合わせた「ハイブリッド」予測モデルを考えていきます。
series = trend + seasons + cycles + error
という関係を考えます。
ここで、
季節性（Seasonality）
- 固定された一定の期間で繰り返すパターン
- 例：1年周期、1日周期など
サイクル（Cycles）
- 不規則な期間で変動するパターン
- 周期が一定ではない
と違いが有ります。
trendの誤差分をseasonsで補正、seasonsでも残る誤差分をcyclesで、cyclesでも残る誤差はerrorという風に捉える事で近似出来ます。
どのようにそれをcodeにするかという関係を考えていきます。
# 1. 最初のモデルで訓練と予測を行う
model_1.fit(X_train_1, y_train)
y_pred_1 = model_1.predict(X_train)
# 2. 残差に対して二つ目のモデルで訓練と予測を行う
model_2.fit(X_train_2, y_train - y_pred_1)
y_pred_2 = model_2.predict(X_train_2)
# 3. 全体の予測値を得るために足し合わせる
y_pred = y_pred_1 + y_pred_2
という形がわかりやすいですね。
その後は説明パートです。
理論をもとに、実際の例（売上の予測）です。
実際の例では、2つのモデル（trend+月ごとのXGBoost）の複合でデータを捉えようとしています。