# 階層照合

> 階層照合 - 独立した時系列予測を階層構造と照合する方法について説明します。

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 `2026-07-27T18:44:30.234830+00:00` (UTC).

## Primary page

- [階層照合](https://docs.datarobot.com/ja/docs/api/dev-learning/accelerators/time-series/ts-recon.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/time_series_hierarchical_reconciliation/time_series_hierarchical_reconciliation.ipynb)

このAIアクセラレーターは、独立した時系列予測を階層構造と照合する方法を実演します（適切な合計を計算するための後処理など）。 「 [一貫性のある](https://otexts.com/fpp3/hierarchical.html) 」予測を行うこととしても知られ照合は、ステークホルダーに階層予測を送信する際にしばしば要求されます。 このノートブックでは、人気が高まっている [HierarchicalForecast](https://nixtlaverse.nixtla.io/hierarchicalforecast/index.html) Pythonライブラリを活用して、DataRobot時系列デプロイから生成された予測の照合を行います。 以下に手順を示します。

1. HierarchicalForecastのインストール
2. ライブラリのインポート
3. サンプルデータセットのロード
4. 各階層のトレーニングデータの準備
5. 各レベルのモデルの構築
6. 各レベルのモデルのデプロイ
7. 予測の作成
8. 予測の準備
9. 予測の照合
10. 予測の比較
11. 成果

手順2～6は、時系列デプロイの例を示し、それらのデプロイから予測（存在しない場合）を提供することを目的としています。 照合する予測のセットが既に存在する場合は、手順7に進んでください。