基于注意力网络的时间序列预测器可解释特征工程
机器学习
2022-05-26 v1
摘要
具有时间序列预测变量的回归问题在银行业和许多其他应用领域很常见。在本文中，我们使用多头注意力网络来开发可解释特征，并利用它们实现良好的预测性能。定制的注意力层显式地使用乘法交互，并构建以简约方式捕获时间动态的特征工程头。卷积层用于组合多元时间序列。我们还讨论了在建模过程中处理静态协变量的方法。可视化和解释工具被用于解释结果并阐明输入与提取特征之间的关系。模拟和真实数据集均被用于说明该方法的实用性。关键词：注意力头，深度神经网络，可解释特征工程
引用
@article{arxiv.2205.12723,
title = {Interpretable Feature Engineering for Time Series Predictors using Attention Networks},
author = {Tianjie Wang and Jie Chen and Joel Vaughan and Vijayan N. Nair},
journal= {arXiv preprint arXiv:2205.12723},
year = {2022}
}