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。
ColdWatch想定・冷凍庫温度（1分）
ColdWatch（冷凍庫温度監視）用途を想定した合成データ。1分間隔の庫内温度に、設定温度・ドア開・圧縮機・デフロスト予定・外気温を付与。実顧客データではない。異常検知より短期温度予測のデモ向け。
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) | 0.21 | 0.14 | 0.73% | 詳細を見る → |
| SARIMA | 統計モデル | statsmodels (Python) | 0.22 | 0.15 | 0.75% | 詳細を見る → |
| SARIMAX | 統計モデル | statsmodels (Python) | 0.26 | 0.19 | 0.98% | 詳細を見る → |
| Prophet | 統計モデル | prophet (Meta) | 0.85 | 0.83 | 4.15% | 詳細を見る → |
| Holt-Winters | 統計モデル | statsmodels (Python) | 0.31 | 0.25 | 1.26% | 詳細を見る → |
| AutoARIMA (Nixtla) | 統計モデル | statsforecast / Nixtla (Python) | 0.91 | 0.80 | 3.99% | 詳細を見る → |
| AutoETS (Nixtla) | 統計モデル | statsforecast / Nixtla (Python) | 0.19 | 0.12 | 0.60% | 詳細を見る → |
| Chronos-Bolt | 機械学習 | chronos-forecasting / Amazon (Python) | 6.20 | 5.17 | 25.88% | 詳細を見る → |
| Neural Net (MLP) | 機械学習 | scikit-learn (Python) | 0.33 | 0.29 | 1.45% | 詳細を見る → |
| XGBoost | 機械学習 | xgboost (Python) | 0.17 | 0.14 | 0.69% | 詳細を見る → |
| LightGBM | 機械学習 | lightgbm (Python) | 0.37 | 0.33 | 1.66% | 詳細を見る → |
| Random Forest | 機械学習 | scikit-learn (Python) | 0.23 | 0.21 | 1.06% | 詳細を見る → |