# 時系列の精度

> 時系列の精度 - Use the Accuracy Over Time tab, which becomes available when you specify date/time
> partitioning, to visualize how predictions change over time in Workbench.

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 `2026-10-09T14:18:51.440247+00:00` (UTC).

## Primary page

- [時系列の精度](https://docs.datarobot.com/ja/docs/workbench/build-workbench/experiments/experiment-insights/aot.html.md): Full documentation for this topic (Markdown sidecar).

## Sections on this page

- [次のステップ](https://docs.datarobot.com/ja/docs/workbench/build-workbench/experiments/experiment-insights/aot.html.md#next-steps): In-page section heading.

## Documentation content

| タブ | 説明 |
| --- | --- |
| パフォーマンス | 予測が時間の経過に伴いどのように変化するかを視覚化するのに役立ちます。 |

[時系列の精度](https://docs.datarobot.com/ja/docs/classic-ui/modeling/analyze-models/evaluate/aot-classic.html.md) では、デフォルトでは、直近（最初）のバックテストのトレーニングデータおよび検証データにおける予測値と実測値を時間軸に沿って表示します。 これは、予測のデプロイと作成に使用されるバックテストモデルです。 （つまり、検定セットの誤差指標の生成に使用するモデルです。） 時系列エクスペリメントの場合、表示で使用する系列（該当する場合）および予測距離を制御できます。 系列ベースのエクスペリメントは、計画されたスペースとメモリー要件に応じて、 [オンデマンドで計算](https://docs.datarobot.com/ja/docs/classic-ui/modeling/analyze-models/evaluate/aot-classic.html.md#display-by-series) されることがあることに注意してください。

視覚化には、実測値と予測値の差分をプロットする時間認識 [残差](https://docs.datarobot.com/ja/docs/classic-ui/modeling/analyze-models/evaluate/aot-classic.html.md#interpret-the-residuals-chart) タブもあります。 データ内にモデルで考慮されておらず説明されないトレンドがあるかどうか、および時間の経過に伴うモデルの誤差の変化を可視化するために役立ちます。 時系列エクスペリメントの場合、表示で使用する予測距離を追加で設定できます。

## 次のステップ

After reviewing how predictions track actuals over time, check for anomalies in the same timeline or compare model performance across other time-aware insights.

- Anomaly Over Time : Visualize where anomalies occur across the same timeline as your predictions.
- Forecasting Accuracy : See how well the model predicts at each forecast distance in the experiment's forecast window.
- Stability : Review a summary of how well the model performs across different backtests.