基于多模型动态集成的鲁棒序贯在线预测：综述
统计方法学
2023-04-24 v5
摘要
利用时间序列进行序贯在线预测（SOP）长期以来都是一个研究课题，但使用非平稳时间序列实现鲁棒且计算高效的 SOP 仍具挑战。本文综述了一个称为贝叶斯多模型动态集成（BDEMM）的框架，该框架以理论优雅的方式处理 SOP，并已在多个领域得到广泛应用。BDEMM 利用一个由加权候选模型组成的模型池，通过贝叶斯形式在线自适应以捕捉数据可能的时间演化。本综述从五个角度全面描述 BDEMM：其理论基础、算法、实际应用、与其他研究的联系，以及优势、局限与潜在未来方向。
引用
@article{arxiv.2112.02374,
title = {Robust Sequential Online Prediction with Dynamic Ensemble of Multiple Models: A Review},
author = {Bin Liu},
journal= {arXiv preprint arXiv:2112.02374},
year = {2023}
}