# 時系列から画像へ

> 時系列から画像へ - 高頻度データユースケースに使用される高度な特徴量を生成します。

This Markdown file sits beside the HTML page at the same path (with a `.md` suffix). It summarizes the topic and lists links for tools and LLM context.

Companion generated at `2026-07-27T18:44:30.221195+00:00` (UTC).

## Primary page

- [時系列から画像へ](https://docs.datarobot.com/ja/docs/api/dev-learning/accelerators/adv-analytics-tools/gramian.html.md): Full documentation for this topic (Markdown sidecar).

## Documentation content

[GitHubでこのAIアクセラレーターにアクセス](https://github.com/datarobot-community/ai-accelerators/blob/main/use_cases_and_horizontal_approaches/audio_and_sensors-gramian_angular_fields_for_high_freq_data_to_images/high_frequency_data_classification_using_gramian_angular_fields.ipynb)

必要条件： [PYTSライブラリ](https://pyts.readthedocs.io/)

時間認識集計やスペクトログラムなどの従来の特徴量エンジニアリング方法には、制限があります。 スペクトログラムは、信号の各セグメントと信号の他のセグメントの間の相関をキャプチャできません。 これを表形式集計で行おうとすると、高次元の問題になります。

信号データのグラミアン角度フィールド画像は、次元性の制限なしでコンピュータービジョンモデルで簡単に使用できる行列を使用して、上記の問題を解決できます。