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。
エルニーニョ海水温
1950–2010年の赤道太平洋の月次海水温。エルニーニョ・ラニーニャによる不規則な変動（外れ値的急騰・急落）が含まれ、Prophet や基盤モデルの異常値対応を見るのに適している。
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) | 3.11 | 2.49 | 11.59% | 詳細を見る → |
| SARIMA | 統計モデル | statsmodels (Python) | 1.09 | 0.96 | 4.28% | 詳細を見る → |
| SARIMAX | 統計モデル | statsmodels (Python) | 1.09 | 0.96 | 4.28% | 詳細を見る → |
| Prophet | 統計モデル | prophet (Meta) | 0.81 | 0.71 | 3.19% | 詳細を見る → |
| Holt-Winters | 統計モデル | statsmodels (Python) | 0.83 | 0.72 | 3.25% | 詳細を見る → |
| AutoARIMA (Nixtla) | 統計モデル | statsforecast / Nixtla (Python) | 0.86 | 0.72 | 3.27% | 詳細を見る → |
| AutoETS (Nixtla) | 統計モデル | statsforecast / Nixtla (Python) | 0.85 | 0.76 | 3.41% | 詳細を見る → |
| Chronos-Bolt | 機械学習 | chronos-forecasting / Amazon (Python) | 0.82 | 0.73 | 3.21% | 詳細を見る → |
| Neural Net (MLP) | 機械学習 | scikit-learn (Python) | 0.56 | 0.49 | 2.19% | 詳細を見る → |
| XGBoost | 機械学習 | xgboost (Python) | 0.94 | 0.83 | 3.67% | 詳細を見る → |
| LightGBM | 機械学習 | lightgbm (Python) | 0.78 | 0.67 | 2.88% | 詳細を見る → |
| Random Forest | 機械学習 | scikit-learn (Python) | 0.64 | 0.54 | 2.37% | 詳細を見る → |