ETT データ予測PoC

このリポジトリは、ETTデータセットを用いた予測モデルの実装と、クライアント向けPoC報告スライドをまとめたものです。

目次

• 概要
• ファイル構成
• データについて
• 使用方法
• 必要環境
• 成果物
• ライセンス

概要

ETTデータセットの各センサーデータ（h1, h2, m1, m2）を対象に、EDA（探索的データ解析）を行い、データの特徴や傾向を可視化しています。また、短期および長期の予測モデルを実装しています。

ファイル構成

ETT_Prediction_PoC/
├─ README.md               # このファイル
├─ requirements.txt        # 必要ライブラリ一覧
├─ PoC_Report.pdf          # クライアント向け報告スライド
├─ data/                   # データ（空）
├─ notebooks/              # 解析・予測用ノートブック
│   ├─ EDA.ipynb           # データの探索・可視化
│   ├─ h1.ipynb            # h1 データ用1週間予測モデル
│   ├─ h2.ipynb            # h2 データ用1週間予測モデル
│   ├─ m1.ipynb            # m1 データ用1週間予測モデル
│   ├─ m2.ipynb            # m2 データ用1週間予測モデル
│   └─ h1_long.ipynb       # h1 データ用1か月予測モデル

データについて

• 本リポジトリには、実データは含まれていません。
• 各ノートブックを実行するには、ETTデータを data/ フォルダに置いてください。

使用方法

1. リポジトリをクローン

   git clone <リポジトリURL>
   cd <リポジトリ名>

2. 必要なライブラリをインストール

   pip install -r requirements.txt

3. 各ノートブックを順番に実行して予測結果を確認

   • EDA.ipynb → データ解析
   • h1.ipynb / h2.ipynb / m1.ipynb / m2.ipynb → 短期予測
   • h1_long.ipynb → 長期予測

必要環境

• Python 3.9+
• pandas, numpy, matplotlib, scikit-learn, torch など

成果物

• EDA ノートブック
• 各データセット用の予測モデルノートブック
• クライアント向け PoC 報告スライド (PoC_Report.pdf)

ライセンス

このリポジトリの内容は、閲覧は可能ですが、無断でコピー・改変・配布することは固く禁止します。