移動ウィンドウとラグ
平滑化とラグ特徴量
「移動ウィンドウとラグ」はCoddyKit上の無料Data Science Academyレッスンです。 これはレッスン2/4です。 下記で完全なレッスンを無料で読むことができます。その後、ブラウザ内の組み込みコードエディタと24時間対応のAIチューターでハンズオン演習できます。 これはData Science Academy学習パスの一部であり、ウェブとCoddyKitアプリ全体で進捗が同期されます。 Data Science Academyコースには全4レッスンが含まれています。
このレッスンの一部はまだ翻訳されておらず、英語で表示されています。
Smoothing Out the Bumps
Raw time series can be jumpy. A rolling window averages nearby points so the underlying signal becomes easy to see. 🌊
What a Window Really Is
A window is a fixed number of recent points. It slides forward one step at a time, recomputing a summary at each position.
The Rolling Mean
The most common move is a rolling mean: average the last few values to smooth the line. pandas makes it a one-liner.
sales.rolling(window=7).mean()Window Size Is a Trade-Off
A larger window smooths more but reacts slowly; a smaller one stays responsive but noisy. You tune it to the question.
The First Values Are NaN
A window of 7 needs 7 points before it can compute. So the first rows come back as NaN until enough history exists.
Beyond the Mean
Rolling works with more than averages. A rolling std reveals how volatility changes over time, which trends alone hide.
sales.rolling(window=30).std()Meet the Lag
A lag is simply the value from an earlier time step. Yesterday's sales as a column is a lag-1 feature.
Shift Creates Lags
pandas builds lags with shift. Calling shift(1) pushes every value down one row so each row sees its past.
df['lag_1'] = sales.shift(1)Why Lags Power Forecasts
Most series depend on their own recent past. Feeding a model good lag features lets it learn that yesterday predicts today.
Differencing Is a Lag Too
Subtracting the previous value, value minus its lag, gives the change between steps. It is the seed of differencing.
df['change'] = sales - sales.shift(1)Combine Rolling and Lags
Strong feature sets often mix both: a few lags plus a rolling mean. Together they capture recent level and direction.
Quick Check
Which pandas method shifts values to their previous time step to build a lag feature?
Recap: Past as Features
You used rolling windows to smooth and lags via shift to bring the past forward, the two staples of time series features.
よくある質問
「移動ウィンドウとラグ」レッスンは無料ですか？
はい。「移動ウィンドウとラグ」の完全なテキストはこのウェブで無料で読めます。インタラクティブに演習し（組み込みコードエディタと24時間対応のAIチューター）、Data Science Academyコースの残りをアンロックするには、CoddyKit PROにアップグレードしてください。 Data Science Academyコースには全4レッスンが含まれています。
「移動ウィンドウとラグ」で何を学びますか？
平滑化とラグ特徴量 ブラウザで直接実行するハンズオンコードでData Science Academyを演習し、24時間対応のAIチューターがレッスンを進める中での質問に答えます。
Data Science Academyを始めるのに経験は必要ですか？
事前経験は必要ありません。CoddyKitのData Science Academyは初級者から上級者向けに構成されているため、ここから始めるか最初から始めて、自分のペースで進むことができます。 これはレッスン2/4です。
「移動ウィンドウとラグ」レッスンにはどのくらい時間がかかりますか？
ほとんどのCoddyKitレッスンは約5～10分かかります。各レッスンはコンパクトでインタラクティブなので、着実に進歩し、ウェブとアプリ全体で正確に前回の場所から再開できます。
このData Science Academyレッスンでコードを書いて実行できますか？
はい。すべてのData Science Academyレッスンに組み込みコードエディタが含まれているため、ブラウザでリアルコードを書いて実行し、即座のAIフィードバックを取得できます。ローカル設定は不要です。
このコースのすべてのレッスン
- トレンド、季節性、ノイズ
- 移動ウィンドウとラグ
- 定常性と差分
- 最初の予測ベースライン