時系列分析の鉄則：「過去」だけで「未来」を予測する

1. 基本原則：未来のデータは使わない

時系列分析の最も重要なルールは、未来の情報を盗み見てはいけない（リークしてはいけない）ということです。ある時点の値を予測したい場合、モデルが学習に使えるのは、その時点より過去の情報だけです。これは、実際の運用（未来を予測する）と同じ状況を、モデルの評価段階でも作り出すためです。

2. AutoGluonの高度な検証方法：ローリングウィンドウ検証

AutoGluonは単純な「学習/テスト」の1回分割ではなく、ローリングウィンドウ検証（またはバックテスト）という、より信頼性の高い方法でモデルの性能を評価します。これは、時間軸をずらしながら「学習→予測→評価」のサイクルを複数回繰り返す手法です。

下の図は、num_val_windows=3（検証を3回行う）と設定した場合の内部の動きを再現したものです。「次の検証へ」ボタンを押して、学習データと検証データが時間と共にどう変化するかを確認してください。

図解のポイント

• ■ 学習データ: モデルがパターンを学ぶために使える「過去」のデータです。
• ■ 検証データ: 学習したモデルが正しく予測できるかを試すための「少し先の未来」のデータです。
• ウィンドウの移動: 「次の検証へ」進むと、学習に使えるデータ期間が広がり（過去が増え）、検証する未来の期間も先にスライドしていきます。
• 最終的な評価: AutoGluonは、これら全ての検証ウィンドウで得られたスコアの平均値を、そのモデルの最終的な性能評価とします。これにより、特定の期間だけで偶然スコアが良かった、ということを防ぎ、モデルの真の実力を測ることができます。

3. 基本的なコード実装

この「過去と未来を分離する」という原則の最も基本的な実装は、データを特定の日付で分割することです。

# 必要なライブラリをインポート
import pandas as pd

# 1. サンプルの時系列データを作成
date_rng = pd.date_range(start='2023-01-01', end='2023-12-31', freq='D')
data = {'date': date_rng, 'sales': [100 + i for i, d in enumerate(date_rng)]}
df = pd.DataFrame(data).set_index('date')

# 2. 予測の基準となる時点（学習データの最終日）を定義
split_point = '2023-11-30'

# 3. 基準点を元に、データを「学習用」と「テスト用」に分割
# 【重要】split_point以前のデータのみを学習に使う
train_df = df.loc[df.index <= split_point]

# 【重要】split_pointより後のデータはテスト（答え合わせ）用に取っておく
test_df = df.loc[df.index > split_point]

print(f"学習データは {len(train_df)}件, テストデータは {len(test_df)}件に分割されました。")

# このtrain_dfだけを使ってモデルを学習させるのが鉄則です。
# AutoGluonは、このtrain_dfの中でさらにローリングウィンドウ検証を自動で行います。