用于时间序列局部多项式预测的高斯过程
统计方法学
2016-08-05 v2
摘要
具有非线性趋势的非平稳时间序列在应用中频繁遇到。我们在此考虑当历史样本数量不足以精确预测每个单独考虑的信号时，联合考虑多个此类时间序列以精确预测其信号的可行性。我们开发了一种基于高斯过程回归的新预测方法，在广义最小二乘法失效的例子中成功做到了这一点。新方法采用了一种深度机器学习的形式。
引用
@article{arxiv.1605.02718,
title = {Gaussian Processes for Local Polynomial Forecasting of Time Series},
author = {Kerry Fendick},
journal= {arXiv preprint arXiv:1605.02718},
year = {2016}
}