使用机器学习技术对西班牙旅游需求建模：预测期对模型选择的影响
机器学习
2018-05-03 v1 机器学习
摘要
本研究评估了预测期对几种机器学习技术预测性能的影响。我们以线性模型为基准，比较了支持向量回归（SVR）与神经网络（NN）模型的预测准确度。我们关注的是前往西班牙全部十七个地区的国际旅游需求。配备高斯径向基函数核的SVR在最长的预测期上优于其他所有模型。我们还发现，随着预测期的增加，机器学习方法相对于线性模型提高了其预测准确度。这一结果表明了SVR在中长期预测中的适用性。
引用
@article{arxiv.1805.00878,
title = {Modelling tourism demand to Spain with machine learning techniques. The impact of forecast horizon on model selection},
author = {Oscar Claveria and Enric Monte and Salvador Torra},
journal= {arXiv preprint arXiv:1805.00878},
year = {2018}
}
备注
24 pages, 3 figures, 6 tables