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。
みかん週次（〜2023-06・次期収穫を将来に含む）
full を 2023-06-26 まで切った版。予測26週が秋の収穫期を含む。将来外生サンプル: datasets/samples/mandarin_future_exog_26w_through_harvest_*.csv
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) | 147.73 | 72.44 | 178.09% | 詳細を見る → |
| SARIMA | 統計モデル | statsmodels (Python) | 19.23 | 11.08 | 103.75% | 詳細を見る → |
| SARIMAX | 統計モデル | statsmodels (Python) | 17.91 | 10.15 | 101.78% | 詳細を見る → |
| Prophet | 統計モデル | prophet (Meta) | 16.68 | 10.28 | 194.86% | 詳細を見る → |
| Holt-Winters | 統計モデル | statsmodels (Python) | 40.23 | 19.76 | 224.29% | 詳細を見る → |
| AutoARIMA (Nixtla) | 統計モデル | statsforecast / Nixtla (Python) | 18.24 | 9.74 | 99.07% | 詳細を見る → |
| AutoETS (Nixtla) | 統計モデル | statsforecast / Nixtla (Python) | 39.45 | 18.81 | 204.07% | 詳細を見る → |
| Chronos-Bolt | 機械学習 | chronos-forecasting / Amazon (Python) | 36.15 | 19.39 | 226.07% | 詳細を見る → |
| Neural Net (MLP) | 機械学習 | scikit-learn (Python) | 19.45 | 9.62 | 94.98% | 詳細を見る → |
| XGBoost | 機械学習 | xgboost (Python) | 7.78 | 4.11 | 40.32% | 詳細を見る → |
| LightGBM | 機械学習 | lightgbm (Python) | 10.11 | 5.09 | 50.24% | 詳細を見る → |
| Random Forest | 機械学習 | scikit-learn (Python) | 13.41 | 6.29 | 46.67% | 詳細を見る → |