VEST：用于预测的自动特征工程
机器学习
2020-10-15 v1 机器学习
摘要
时间序列预测是一项具有广泛应用领域的挑战性任务。自回归是解决这些问题最常见的方法之一。相应地，观测值通过使用其过去滞后作为预测变量进行多重回归建模。我们研究了利用概括时间序列近期过去动态的统计量来扩展自回归过程。我们的研究成果是一个称为VEST的新框架，旨在使用单变量数值时间序列自动执行特征工程。所提方法分三个主要步骤。首先，近期观测被映射到不同表示。其次，每种表示由统计函数概括。最后，应用过滤器进行特征选择。我们发现，将VEST生成的特征与自回归结合显著提升了预测性能。我们使用90条高采样频率的时间序列提供了证据。VEST已公开在线可用。
引用
@article{arxiv.2010.07137,
title = {VEST: Automatic Feature Engineering for Forecasting},
author = {Vitor Cerqueira and Nuno Moniz and Carlos Soares},
journal= {arXiv preprint arXiv:2010.07137},
year = {2020}
}
备注
25 pages, R code available