時系列予測モデル比較

実ライブラリ（statsmodels / Prophet / XGBoost / scikit-learn）で学習・予測した結果を比較します。 精度指標はホールドアウト期間の実測値との誤差です。実線が実測値、破線が各モデルの予測値です。

データセット: 航空旅客数 (AirPassengers) 自動車販売台数 大気CO2濃度 (Mauna Loa) 米国実質GDP オーストラリア居住人口 黒点数（年次） シャンプー売上 大気CO2（月次・全期間） 大気CO2（週次） 日次最低気温（Melbourne） 電力負荷（時間次・1年） ナイル川年間流量 オオヤマネコ毛皮取引数 エルニーニョ海水温 自動車販売（外生変数つき） 電力負荷（価格・太陽光つき） Ecoemon想定・工場電力（30分） Ecoemon想定・電力＋気温湿度のみ Ecoemon想定・電力＋気温湿度（6時間＝1日4点） ColdWatch想定・冷凍庫温度（1分） みかん週次収量（単変量） みかん週次収量＋日射 みかん週次収量＋日射・気温 みかん週次収量＋日射・気温・カレンダー みかん週次（〜2023-06・次期収穫を将来に含む）

自動車販売台数

1960–1968年 Quebec の月次自動車販売台数。公開の古典ベンチマーク実データ。

点数: 108 予測期間: 12 ヶ月 評価ホールドアウト: 12 ヶ月 単位: 台

全モデル比較チャート

モデル別メトリクス比較（ホールドアウト評価）

モデル 種別 ライブラリ RMSE MAE MAPE
ARIMA 統計モデル statsmodels (Python) 4,563.94 3,491.32 17.00% 詳細を見る →
SARIMA 統計モデル statsmodels (Python) 2,304.51 1,939.91 10.78% 詳細を見る →
SARIMAX 統計モデル statsmodels (Python) 2,304.51 1,939.91 10.78% 詳細を見る →
Prophet 統計モデル prophet (Meta) 1,749.19 1,336.81 7.19% 詳細を見る →
Holt-Winters 統計モデル statsmodels (Python) 1,691.03 1,324.98 7.21% 詳細を見る →
AutoARIMA (Nixtla) 統計モデル statsforecast / Nixtla (Python) 1,435.36 1,256.96 6.69% 詳細を見る →
AutoETS (Nixtla) 統計モデル statsforecast / Nixtla (Python) 2,233.34 1,561.14 8.28% 詳細を見る →
Chronos-Bolt 機械学習 chronos-forecasting / Amazon (Python) 2,180.62 1,495.29 7.73% 詳細を見る →
Neural Net (MLP) 機械学習 scikit-learn (Python) 2,328.00 1,879.49 10.54% 詳細を見る →
XGBoost 機械学習 xgboost (Python) 2,470.67 1,926.15 10.24% 詳細を見る →
LightGBM 機械学習 lightgbm (Python) 2,301.28 1,789.40 9.71% 詳細を見る →
Random Forest 機械学習 scikit-learn (Python) 2,385.81 1,757.53 9.11% 詳細を見る →

精度・書きやすさ・可読性の総合評価を見る →