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）

オオヤマネコ毛皮取引数

1821–1934年のカナダにおけるオオヤマネコの毛皮取引数（年次）。約10年周期の非線形な個体数サイクルを示す古典データ。値が桁単位でスパイクするためML系の外挿が難しい。

点数: 114 予測期間: 10 ヶ月評価ホールドアウト: 10 ヶ月単位: 頭

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)	1,570.31	1,308.36	169.78%	詳細を見る →
SARIMA	統計モデル	statsmodels (Python)	537.14	484.36	43.36%	詳細を見る →
SARIMAX	統計モデル	statsmodels (Python)	537.14	484.36	43.36%	詳細を見る →
Prophet	統計モデル	prophet (Meta)	1,164.01	1,039.78	92.29%	詳細を見る →
Holt-Winters	統計モデル	statsmodels (Python)	1,072.86	1,010.65	73.23%	詳細を見る →
AutoARIMA (Nixtla)	統計モデル	statsforecast / Nixtla (Python)	416.23	393.41	33.93%	詳細を見る →
AutoETS (Nixtla)	統計モデル	statsforecast / Nixtla (Python)	383.16	335.75	26.87%	詳細を見る →
Chronos-Bolt	機械学習	chronos-forecasting / Amazon (Python)	963.87	733.56	36.45%	詳細を見る →
Neural Net (MLP)	機械学習	scikit-learn (Python)	479.53	445.49	41.88%	詳細を見る →
XGBoost	機械学習	xgboost (Python)	909.88	775.63	56.92%	詳細を見る →
LightGBM	機械学習	lightgbm (Python)	1,057.63	853.60	46.28%	詳細を見る →
Random Forest	機械学習	scikit-learn (Python)	681.08	573.40	38.46%	詳細を見る →

精度・書きやすさ・可読性の総合評価を見る →