时间序列预测的机器学习方法

时间序列预测问题由来已久，毕竟预测未来是人类永恒的需求。

上世纪以来发展了众多时间序列预测模型，典型的有 ARMA, GARCH, ETS, SSM 等线性模型，在工程控制、金融等领域应用广泛。

预测说白了就是用历史数据预测未来值，即自回归。上述列举的传统方法主要考虑目标值 yty_tyt 和历史值{yt−1,yt−2,…,yt−p,…}\{y_{t-1}, y_{t-2}, \ldots, y_{t-p}, \ldots\}{yt−1,yt−2,…,yt−p,…} 之间存在线性关系，局限性很强。

当考虑非线性自回归模型（NAR）时，假设
yt=f(yt−1,…,yt−p)y_t = f(y_{t-1}, \ldots, y_{t-p}) yt=f(yt−1,…,yt−p)

此时机器学习中的各种回归方法都可以拿来试试，譬如：LR, SVR, CART, GBDT, XGBOOST, GP, ANN, RNN, LSTM, …

模型多如牛毛，哪个才是最强？并无定论。

既然把时间序列预测当做监督学习问题，就要求数据满足如下假设：

对时间序列的自回归模型而言，输入输出分布 P(X,Y)=P(yt,yt−1,…,yt−p)P(X, Y) = P(y_t, y_{t-1}, \ldots, y_{t-p})P(X,Y)=P(yt,yt−1,…,yt−p)，即序列片段在整个序列中的分布。

要满足独立同分布假设，测试的时间片段应该在训练集中“出现过”，至少应该可以找到相似的片段，这意味着什么呢？

比如说上图中的混沌时间序列，由于混沌系统具有遍历性，序列的任意一个片段可以在历史中找到相似的片段。另一方面，由于混沌系统具有初值敏感性与非周期性，测试集中的片段绝对不会和训练集中的片段完全重合。所以混沌时间序列作为机器学习模型的数据集再合适不过了。

独立同分布假设实际上对时间序列做了很强的要求，首先序列必须是有界的，如果训练集中的数据分布在 1 到 2 之间，测试的数据分布在 3 到 4 之间，很大概率会预测不好。

但我们常见的序列一般都是有趋势的，比如持续上涨、下跌，这些单调的序列不就不能用机器学习模型了？确实如此，对于这些具有趋势的序列，应该先做趋势分解，剩下的有界部分就可以使用（非线性）自回归模型了。

时间序列预测的机器学习方法相关推荐

【论文泛读03】卷积LSTM网络：一种短时降雨量预测的机器学习方法
贴一下汇总贴:论文阅读记录论文链接:<Convolutional LSTM Network: A Machine Learning Approach for Precipitation Now ...
Nature子刊：机器学习方法扩展了anti-CRISPR蛋白家族的所有成员
机器学习方法扩展了anti-CRISPR蛋白家族的成员 Machine-learning approach expands the repertoire of anti-CRISPR protein ...
【机器学习】R语言进行机器学习方法及实例
R语言进行机器学习方法及实例机器学习的研究领域是发明计算机算法,把数据转变为智能行为.机器学习和数据挖掘的区别可能是机器学习侧重于执行一个已知的任务,而数据发掘是在大数据中寻找有价值的东西. 机器学 ...
用于临床心理学和精神病学的机器学习方法
用于临床心理学和精神病学的机器学习方法特别着重于从多维数据集学习统计函数,以对个体进行普适性的预测.机器学习方法有可能利用临床和生物学数据来更好地帮助医生做出对精神疾病患者的诊断,预后和治疗相关的决策 ...
采用支持向量回归（SVR）和随机森林回归预测两种机器学习方法对房价进行预测（附完整代码）
大家好,我是带我去滑雪,每天教你一个小技巧! 本文分别采用支持向量回归(SVR)和随机森林回归预测两种机器学习方法对房价进行预测.随机将数据分为训练集和测试集,比例为8:2,数据和代码均在文末. 1. ...
残差平方和ssr的计算公式为_如何为你的回归问题选择最合适的机器学习方法？...
文章发布于公号[数智物语] (ID:decision_engine),关注公号不错过每一篇干货. 转自 | AI算法之心(公众号ID:AIHeartForYou) 作者 | 何从庆什么是回归呢?回归 ...
如何为回归问题选择最合适的机器学习方法？
作者 | 何从庆本文经授权转载自 AI算法之心(id:AIHeartForYou) 在目前的机器学习领域中,最常见的三种任务就是:回归分析.分类分析.聚类分析.在之前的文章中,我曾写过一篇<1 ...
python平稳性检验_时间序列预测基础教程系列(14)_如何判断时间序列数据是否是平稳的(Python)...
时间序列预测基础教程系列(14)_如何判断时间序列数据是否是平稳的(Python) 发布时间:2019-01-10 00:02, 浏览次数:620 , 标签: Python 导读: 本文介绍了数据平稳 ...
序列每天从1开始_时间序列预测一
什么是时间序列: 时间序列可以看作是普通的二维的无序的特征矩阵向时间空间的拓展,相对来说多了仅仅一个维度但也是非常重要的时间维度: 时间序列是按时间顺序进行的一系列观察,通常包括了连续性时间序列数据和 ...
做时间序列预测有必要用深度学习吗？事实证明，梯度提升回归树媲美甚至超越多个DNN模型...
来源:机器之心本文约2600字,建议阅读9分钟在时间序列预测任务上,你不妨试试简单的机器学习方法. 在深度学习方法应用广泛的今天,所有领域是不是非它不可呢?其实未必,在时间序列预测任务上,简单的机 ...

时间序列预测的机器学习方法

时间序列预测的机器学习方法相关推荐

最新文章

热门文章