多步前向自适应保角异方差时间序列预测的通用框架
机器学习
2024-09-04 v9 机器学习
摘要
本文提出了一种名为自适应集成批处理多输入多输出保角度化回归（AEnbMIMOCQR）的新型模型无关算法，使预测者能够以无分布依赖的方式，针对固定的预指定误覆盖率为多步前向生成预测区间。我们的方法基于保角预测（conformal prediction）原理，但不需要数据划分，并且即使数据不可交换也能提供接近精确的覆盖。此外，所得预测区间除了在预测时域内经验有效外，还不忽略异方差性。AEnbMIMOCQR 被设计为对分布偏移具有鲁棒性，这意味着其预测区间在无限长的时间内保持可靠，而无需重新训练或对数据生成过程施加不切实际的严格假设。通过系统性的实验，我们证明了我们的方法在真实世界和合成数据集上均优于其他竞争方法。实验部分使用的代码以及如何使用 AEnbMIMOCQR 的教程可在以下 GitHub 仓库中找到：https://github.com/Quilograma/AEnbMIMOCQR。
引用
@article{arxiv.2207.14219,
title = {A general framework for multi-step ahead adaptive conformal heteroscedastic time series forecasting},
author = {Martim Sousa and Ana Maria Tomé and José Moreira},
journal= {arXiv preprint arXiv:2207.14219},
year = {2024}
}
备注
34 pages, 8 figures