带时间分位数调整的一致性预测
机器学习
2022-05-24 v2 机器学习
统计方法学
摘要
我们提出时间分位数调整(TQA)，一种用于构建截面时间序列数据回归的高效且有效预测区间(PIs)的通用方法。此类数据在许多领域常见，包括计量经济学与医疗健康。医疗健康中的一个典型例子是利用生理时间序列数据预测患者结局，其中患者群体构成截面。该设定下可靠的PI估计量必须处理两种不同覆盖概念：截面切片上的截面覆盖，以及每个时间序列沿时间维度的纵向覆盖。近期工作探索了调整一致性预测(CP)以在时间序列语境下获得PIs。然而，尚无工作同时处理两种覆盖概念。CP方法通常查询校准集上非一致性分数分布的预指定分位数。TQA在每时刻调整CP所查询的分位数，以理论依据的方式兼顾截面与纵向覆盖。TQA的后置性质便于其作为围绕任何时间序列回归模型的通用包装器使用。我们通过大量实验验证TQA性能：TQA通常获得高效PIs，并在保持截面覆盖的同时改善纵向覆盖。
引用
@article{arxiv.2205.09940,
title = {Conformal Prediction with Temporal Quantile Adjustments},
author = {Zhen Lin and Shubhendu Trivedi and Jimeng Sun},
journal= {arXiv preprint arXiv:2205.09940},
year = {2022}
}
备注
12 pages (main paper, including references) + 11 pages (supplementary material)