メインコンテンツへスキップ
時系列クラスタリングは、時系列のトレンドが似たグループを分類するアナリティクスです。

何ができるか

下のように、時系列のトレンドをグループ別(例:都道府県、国)に可視化したチャートがあったとします。 線の数(グループの数)が多すぎて、どういった特徴があるのかをすぐに判断するのは困難です。時系列クラスタリングを使うと、トレンドが似たグループをまとめられます。 時系列クラスタリングを使うと、次の質問に答えられます。
  • 同じようなトレンドの傾向があるグループは何か。
  • そのグループの時系列のトレンドには、どういった特徴があるか。

時系列クラスタリングを実行する

今回はサンプルデータとして、都道府県別の人口データを使用していきます。 このデータは1行が都道府県別の1年単位のデータで、列には調査年、都道府県、人口などの列があります。
アナリティクスビューを開き、「タイプ」のメニューから「時系列分析」を選ぶと、「時系列予測(Prophet)」「時系列予測(ARIMA/SARIMA)」「時系列クラスタリング」が表示されます。ここでは「時系列クラスタリング」を選択します。 「グループ」に「都道府県」、「日付/時間」には「調査年」を選び、「丸め処理」から「年」を指定します(表示は「調査年」の横が YEAR になります)。「値」に「人口」(SUM)を選択します。最後に、実行ボタンをクリックします。 都道府県別の人口のデータを使って、時系列クラスタリングを実行できました。「分析結果」には、都道府県が3個のクラスター(グループ)に分類されたことと、クラスターごとのグループの数が表示されます。この例では、クラスター1が20、クラスター2が11、クラスター3が16都道府県です。 デフォルトのクラスターの数は3ですが、「設定」の「クラスタリング」からクラスターの数を変更できます。同じ画面で、クラスター中心の計算アルゴリズム(初期値は DTW Barycenter Averaging)、距離の計算アルゴリズム(初期値は DTW with L2 Norm)、ランダム・シードも変更できます。

結果の解釈

結果はレポートとして縦に並び、上部の「分析結果」「主要な統計指標」「補足情報」「最適なクラスター数」「次のステップ」といったリンクから各節へ移動できます。

時系列のパターン

「時系列のパターン」では、都道府県ごとの人口の実測値の推移を、ラインチャートでクラスターごとに確認できます。

標準化された時系列のパターン

「標準化された時系列のパターン」では、先ほどの「時系列のパターン」と似ていますが、値はそれぞれのグループで標準化した値を可視化しています。 今回の都道府県ごとの人口のように、東京都と沖縄県では人口に大きな違いがあります。しかし、人口の大きさに違いがあるグループがあったとしても、その都道府県の時系列のトレンドが上がっているのか、下がっているのかを同じ基準で確認しやすくしたのが、標準化された時系列のパターンです。

クラスターの中心パターン

「クラスターの中心パターン」では、グループごとに描かれた線の中心となる線をクラスターごとに引いたものが「赤色」の線として確認できます。この中心線をみることで、そのクラスターでは時系列のトレンドが上がっているのか、下がっているのかを視認しやすくなります。

クラスターのメンバー構成

「クラスターのメンバー構成」では、グループに設定したカテゴリが、どのクラスターに属しているかを表形式で確認できます。

時系列クラスタリングに関するよくある質問

Q: グループ別にデータの不足を調べるには

「補足情報」の「データの有効性確認」では、分析に使用したそれぞれのグループのデータが十分にあるかを確認できます。緑色の点は十分なデータがあることを示しており、データが欠損している、あるいは足りない期間はグレーで表されます。 「設定」の「欠損値を埋める」にある「欠損値 (NA) を埋める方法」では、欠損値の埋め方を選べます。選択肢は「前の値で埋める」(初期値)、「0で埋める」、「線形補間」、「スプライン補間」です。