自动化时间序列预测流水线综述
机器学习
2022-08-11 v1
摘要
时间序列预测在能源系统、经济学等不同领域的多种应用场景中具有基础性意义。为特定应用场景创建预测模型需要一个迭代且复杂的设计过程。典型的设计过程包含五个环节：（1）数据预处理，（2）特征工程，（3）超参数优化，（4）预测方法选择，以及（5）预测集成，这些环节通常以流水线结构组织。应对日益增长的时间序列预测需求的一个有前景的途径是使该设计过程自动化。因此，本文分析关于自动化时间序列预测流水线的现有文献，以探究如何自动化预测模型的设计过程。为此，我们在一个预测流水线中同时考虑自动化机器学习（AutoML）与自动化统计预测方法。为此，我们首先提出并比较针对各流水线环节所提出的自动化方法。其次，我们分析这些自动化方法在交互、组合以及对五个流水线环节的覆盖情况。对这两方面，我们讨论文献、识别问题、给出建议并指出未来研究方向。本综述揭示，多数论文仅覆盖五个流水线环节中的两到三个。我们得出结论：未来研究须整体性地考虑预测流水线的自动化，以实现时间序列预测的大规模应用。
引用
@article{arxiv.2202.01712,
title = {Review of automated time series forecasting pipelines},
author = {Stefan Meisenbacher and Marian Turowski and Kaleb Phipps and Martin Rätz and Dirk Müller and Veit Hagenmeyer and Ralf Mikut},
journal= {arXiv preprint arXiv:2202.01712},
year = {2022}
}