time-series - 纠错方法时间序列预测

Question

您对纠正预测偏差有任何读数建议吗？例如，我使用 ARIMA 模型来预测时间序列。有没有办法根据回测结果来纠正预测的偏差？

Answer 1

如何处理所有存在 Bias/Overfit斗争？

使用战术方法：

对此的一种主要方法是通过两步方法系统地调整a Predictor（无论是它还是其他）。ARIMA

您必须将可用的 DataSET 分成两部分，以便模拟接近“未来”，并从 [1] 的过程中“隐藏”——比如说大约 20-30% 的观察结果——DataSET 的第二部分训练并在称为预测交叉验证的步骤 [2] 中找到它的用途。

这种方法允许搜索Predictor引擎配置的 StateSPACE 和与数据相关的偏差/过拟合。有些仅使用最小化搜索的前一部分（最低错误/最高效用函数），有些仅使用后者（如 Leo BreimanRandomForest对基于集成的方法的修改），有些则同时使用。

1. 训练一个预先配置Predictor的aTrainingSubPartOfAvailableDataSET
2. 一旦这样一个配置Predictor得到训练，交叉验证这个配置的预测能力，而aCrossValidationSubPartOfAvailableDataSET不是在训练过程中看到的（步骤 1.），以观察Bias/Overfit人工制品并朝着最低的交叉验证错误 / 最好的泛化区域前进配置设置。