论预测稳定性
机器学习
2025-03-10 v2
摘要
预测通常并非在真空中产生，而是在业务背景中定期生成并相互作用。对于决策，预测不任意改变且在某种意义下稳定可能十分重要。然而，该领域在预测文献中仅受有限关注。本文探讨两类我们称为垂直稳定性与水平稳定性的预测稳定性。文献中现有工作仅适用于特定基模型，且将这些框架扩展以兼容任意基模型并非易事。此外，这些框架仅能垂直稳定预测。为填补此空白，我们提出一种简单的基于线性插值的方法，适用于对任意基模型提供的预测进行垂直与水平稳定。该方法可产生准确且稳定的预测。以 N-BEATS、Pooled Regression 与 LightGBM 为基模型，在四个公开数据集的评估中，所提框架相比一组基准（包括最先进的预测稳定方法）在三个误差度量与六个稳定性度量上实现了显著更高的稳定性和/或准确性。
引用
@article{arxiv.2310.17332,
title = {On Forecast Stability},
author = {Rakshitha Godahewa and Christoph Bergmeir and Zeynep Erkin Baz and Chengjun Zhu and Zhangdi Song and Salvador García and Dario Benavides},
journal= {arXiv preprint arXiv:2310.17332},
year = {2025}
}