面向连续变量在线预测的人工连续预测市场——初步报告
人工智能
2015-08-12 v1 机器学习
摘要
我们提出人工连续预测市场（ACPM）作为一种预测连续实值的方法，通过集成多种数据源并聚合不同机器学习（ML）算法的结果。ACPM改编了（物理）预测市场的概念，以解决实值而非离散事件的预测问题。每个ACPM参与者拥有一个数据源、一个ML算法以及一个决定对什么值出价多少的本地决策过程。ACPM的贡献在于：(i) 利用学习适应数据质量的变化： (a) 市场中，对每个市场参与者加权以调整其对市场预测的影响； (b) 参与者中，使用基于Q-learning的交易策略将市场预测纳入其后续预测； (ii) 对低性能与高性能参与者数量变化的弹性。我们通过应用于流感样疾病数据集展示了ACPM的有效性，表明ACPM优于一系列知名回归模型，并且对数据源质量的变化具有弹性。
引用
@article{arxiv.1508.02681,
title = {Artificial Prediction Markets for Online Prediction of Continuous Variables-A Preliminary Report},
author = {Fatemeh Jahedpari and Marina De Vos and Sattar Hashemi and Benjamin Hirsch and Julian Padget},
journal= {arXiv preprint arXiv:1508.02681},
year = {2015}
}