目次

第0章　基本的な使い方 1

0-1　SPSS Modelerの基本操作 2

0-1-1　SPSS Modelerとは 2

0-1-2　SPSS Modelerのインストール 2

0-1-3　SPSS Modelerの起動と画面構成 3

0-1-4　ストリームの作成と実行・保存 8

0-2　時系列データの加工でよく使う機能 15

0-2-1　特徴量を作成するフィールド作成ノード 15

0-2-2　時系列データの加工でよく使う関数 20

0-2-3　時系列データの加工でよく使うノード 29

0-3　時系列センサーデータの特徴量抽出 35

0-3-1　時系列センサーデータから生成する特徴量の特性 35

0-3-2　過去のセンサー値との差、比、傾き 37

0-3-3　過去からのセンサー値の累積値 39

0-3-4　状態やイベントの判定 40

0-3-5　目的変数の加工 45

第1章　異常を検知する 47

1-1　異常検知の目的と手法 48

1-1-1　時系列データに対する異常検知とは 48

1-1-2　異常検知の目的 48

1-1-3　異常検知の手法 49

1-1-4　特徴量を活用した異常検知 51

1-1-5　異常検知の業務適用における注意事項 52

1-2　異常検知の進め方 54

1-2-1　時系列ノードを活用した異常検知 54

1-2-2　TCMノードを活用した異常検知 61

1-2-3　機械学習を活用した異常検知 65

1-2-4　特徴量を活用した異常検知 71

1-3　実務で使える異常検知 76

1-3-1　データの理解と問題設定 76

1-3-2　データの準備 79

1-3-3　データの前処理 81

1-3-4　データの加工 87

1-3-5　繰り返し処理 89

第2章　故障を予測する 97

2-1　時系列データを用いた故障予測とは 98

2-1-1　時系列センサーデータから機械・設備の故障を予測する 98

2-1-2　過去に発生した故障から学習する 98

2-2　時系列データを用いた故障予測分析の進め方 100

2-2-1　分析対象となるデータを選定し、取得する 100

2-2-2　予測したい状態と検知条件を定義する 100

2-2-3　データをクレンジングした上で、可視化して観察する 103

2-2-4　故障の予兆となりうる特徴量を見つける 106

2-2-5　着目した特徴量を用いて故障予測モデルを作成する 113

2-2-6　モデルの精度を評価し、実運用可能かを検証する 124

2-2-7　実際に故障予測モニターを開始する 127

2-3　故障予測に利用する手法と留意点 129?

2-3-1　アンバランスなデータの処理 129?

2-3-2　モデルの汎化性能向上のための交差検証 134?

2-3-3　モデルの比較と自動モデリング 137?

第3章　需要を予測する 139

3-1　需要予測の目的と手法 140

3-1-1　需要予測が問われる真価 140

3-1-2　需要予測の目的 140

3-1-3　需要予測の方法と時系列統計モデル 142

3-1-４　数値予測モデルを用いた需要予測 144

3-1-5　過去の類似クラスタに当てはめ予測する 145

3-2　時系列統計モデルとAutoモデリング 147

3-3　機械学習を用いた時系列予測 160

3-3-1　特徴量を準備して数値予測モデルを作成する 160

3-3-2　数値予測モデルを評価する 165

3-3-3　将来の気象予報や計画を加えて予測する 168

第4章　時系列データを理解し　データから新たな価値を発見する 171

4-1　本章の目的 172

4-2　ビッグデータを直接解析することの意味 174

4-3　時間データの取り扱い 176

4-3-1　時間データの種類 176

4-3-2　サンプルデータについて 177

4-3-3　データの読込 177

4-3-4　日時の加工 179

4-4　データ欠損の補完 186

4-4-1　時系列データ分析上の課題 「データそのものの欠損」 186

4-4-2　時系列分析において、なぜレコード欠損が問題なのか？ 187

4-4-3　存在しないデータの補完 （データサイエンティスト以外がデータを分析する意義） 189

4-4-4　欠損データの処理 197

4-5　傾向の把握：移動平均を用いた可視化 205

4-6　システム理解の重要性 211

第5章　位置情報データを活用する 213

5-1　データの扱い方 214

5-1-1　精度 214

5-1-2　座標系 216

5-1-3　本章で扱うサンプルデータ 217

5-2　データの加工 218

5-2-1　座標系の変換 218

5.2.1.1　再投影ノードによる変換 218

5.2.1.2　拡張の変換ノード（R + sfパッケージ）による変換 223

5-3　データの可視化 227

5-3-1　散布図での可視化 227

5-3-2　地図上での可視化 229

5-3-3　「マップ可視化」ノードでの可視化 231

5-4　データの範囲抽出 235

5-4-1　座標での範囲抽出 235

5-4-2　シェープファイルでの範囲抽出 242

5-5　データの分析 246

5-5-1　移動距離/速度/加速度/角速度の算出 246

5-5-2　移動量の集計 249

第6章　予測モデルを業務で運用する 257

6-1　予測モデルの業務運用 258

6-1-1　予測モデルの業務運用 MLOps 258

6-1-2　MLOpsを実現するSPSS Collaboration And Deployment Services 259

6-2　業務連携 260

6-2-1　アプリケーション連携 260

6-2-1-1 バッチ・スコアリング 261

6-2-1-2 リアルタイム・スコアリング 264

6-2-1-3　アプリ組み込み（エッジ） 266

6-2-2　3つのアプリケーション連携方法の比較 267

6-2-3　アドホック・レポート 268

6-2-4　リファクタリング 269

6-2-5　ビジネス・ルール 272

6-3　レポジトリ 274

6-4　劣化検知とモデル更新 275

6-5　アーキテクチャー 276

6-5-1　開発・テスト環境と本番環境 276

6-5-2　高可用性構成 277

参考リンク

索引