estat_dl

codezine記事「ディープラーニングを用いた時系列データの予測モデル」にて使用したデータ、ソースコードです

data

00000000_pre_id.csv

• prefecture:都道府県
• prefecture_id:都道府県ID

00200523_migration.csv

• datetime:日時
• prefecture:都道府県
• mig_in:県外からの転入者数
• mig_out:県外への転出者数
• mig_internal:県内移動者数

00200241_population.csv

• datetime:日時
• prefecture:都道府県
• pop_male:男性人口数
• pop_female:女性人口数
• pop_sum:合計人口数
• pop_households:世帯数

00450091_wage.csv

• datetime:日時
• prefecture:都道府県
• wag_age:労働者の平均年齢
• wag_salary:労働者の平均月給
• wag_bonus:労働者の平均賞与
• wag_workers:労働者の人数

00550010_industrial.csv

• datetime:日時
• prefecture:都道府県
• idt_offices:工業事業所数
• idt_employees:工業従業員数
• idt_salaries:工業給与総額
• idt_costs:工業原材料総額
• idt_sales:工業出荷総額

00550020_retail.xlsx

• datetime:日時
• prefecture:都道府県
• ret_offices:卸小売事業所数
• ret_employees:卸小売従業員数
• ret_sales:卸小売商品販売額

SourceCode

chapter01.ipynb

第1稿「ディープラーニングを用いた時系列データの予測モデル」で使用したソースコードです

• 目的変数:mig_in(年次)
• 説明変数:*_lag1(前年の全データ,年次)
• ロジック:ディープラーニング(CNN)

chapter02.ipynb

第2稿「○○○○」で使用したソースコードです

• 目的変数:mig_in(月次)
• 説明変数:*_lag1(前月の全データ,月次)
• ロジック:ディープラーニング(CNN)

chapter03_1.ipynb

第3稿「○○○○」で使用した時間ラグを拡大したソースコードです

• 目的変数:mig_in(月次)
• 説明変数:*_lag1(前月の全データ,月次), *_lag2(前々月の全データ,月次)
• ロジック:ディープラーニング(CNN)

chapter03_1.ipynb

第3稿「○○○○」で使用した位置ラグを用いたソースコードです

• 目的変数:mig_in(月次)
• 説明変数:*_lag1(前月の全データ,月次), *_lag1_1(前月の全データ,隣の県,月次)
• ロジック:ディープラーニング(CNN)

動作確認環境

OS

• macOS Mojave 10.14.6

Python

• Python 3.7.2(anaconda3-5.3.1)

Python Packages

• jupyter 1.0.0
• numpy 1.15.1
• pandas 0.23.4
• scikit-learn 0.19.2
• tensorflow 1.14.0
• Keras 2.2.4
• matplotlib 2.2.3