利用Gap统计量学习时间序列中自回归混合的数量
机器学习
2016-11-17 v1
摘要
使用恰当的模型刻画时间序列对于做出准确预测至关重要。本工作中，我们使用时变自回归过程(TVAR)描述非平稳时间序列，并将其建模为多个稳定自回归(AR)过程的混合。我们引入一种基于Gap统计量(Gap statistics)的新模型选择技术，以学习建模时间序列所需的合适AR滤波器数量。我们定义了稳定AR滤波器间的新距离度量，并绘制一条参考曲线，用于衡量增加一个AR滤波器能在多大程度上提升模型性能，然后选择与该参考曲线具有最大间隙的AR滤波器数量。为此，我们提出一种在根域生成均匀随机稳定AR滤波器的新方法。数值结果展示了所提方法的性能。
引用
@article{arxiv.1509.03381,
title = {Learning the Number of Autoregressive Mixtures in Time Series Using the Gap Statistics},
author = {Jie Ding and Mohammad Noshad and Vahid Tarokh},
journal= {arXiv preprint arXiv:1509.03381},
year = {2016}
}
备注
This paper has been accepted by 2015 IEEE International Conference on Data Mining