Bellman 保形推理：为时间序列校准预测区间
机器学习
2024-02-12 v2 机器学习
摘要
我们引入了 Bellman 保形推理（BCI），这是一个可包裹任何时间序列预测模型并提供近似校准预测区间的框架。与现有方法不同，BCI 能够利用多步超前预测，并通过在每个时间步求解一个一维随机控制问题（SCP）来显式优化平均区间长度。特别地，我们使用动态规划算法来寻找该 SCP 的最优策略。我们证明，即使在多步超前预测不佳的情况下，BCI 也能在任意分布偏移和时间依赖性下实现长期覆盖。经验表明，与现有方法相比，BCI 避免了具有无限长度的无信息区间，并在多个应用中生成了显著更短的预测区间。
引用
@article{arxiv.2402.05203,
title = {Bellman Conformal Inference: Calibrating Prediction Intervals For Time Series},
author = {Zitong Yang and Emmanuel Candès and Lihua Lei},
journal= {arXiv preprint arXiv:2402.05203},
year = {2024}
}
备注
17 pages, 4 figures