デモ ノートブックで、人口動態エンベディングのさまざまなユースケースをご確認ください。

ノートブック	説明
ナウキャスティング Colab	過去のデータと現在の部分的なデータを使用して、郡レベルのターゲット変数を基に、残りの郡の結果を予測します。
超解像度と補完 Colab	郡レベルのターゲット変数でモデルをトレーニングし、郵便番号レベルで予測します。また、補完（郵便番号の 20% でトレーニングし、残りの 80% で予測）も示します。
TimesFM を使用した予測 Colab	TimesFM（一変量予測モデル）を組み込んで時空間予測を行う試験運用版のユースケースです。エンベディングは予測誤差を調整し、精度を向上させます。
Earth Engine を使用した夜間照明の予測 Colab	夜間照明などの Earth Engine データをエンベディングから予測する方法を示します。これにより、環境予測と社会経済予測の地理空間の理解が深まります。
グローバル エンベディングを使用した予測	複数の国を対象とするモデルを設定して新しい国を予測することで、グローバル エンベディングの使用方法を示します。