前向验证对于模型的更新作用

首先，让我们看一个小的单变量时间序列数据，我们将用作上下文来理解这三种回测方法：太阳黑子数据集。该数据集描述了刚刚超过 230 年（1749-1983 年）观察到的太阳黑子数量的每月计数。

数据集显示了季节之间差异很大的季节性。
首先对数据集进行训练-测试划分：

使用多个训练测试拆分将导致训练更多模型，进而更准确地估计模型在未见数据上的性能。
训练-测试拆分方法的一个限制是，训练的模型在测试集中的每个评估中被评估时保持固定。
这可能是不现实的，因为模型可以在新的每日或每月观察可用时重新训练。下一节将解决这个问题。

向前验证

在实践中，我们很可能会在新数据可用时重新训练我们的模型。
这将为模型提供在每个时间步进行良好预测的最佳机会。我们可以在这个假设下评估我们的机器学习模型。
1.最少观察次数。首先，我们必须选择训练模型所需的最少观察次数。如果使用滑动窗口，这可能被认为是窗口宽度（见下一点）。
2.滑动或扩展窗口。接下来，我们需要决定模型是使用所有可用数据进行训练，还是仅根据最近的观察结果进行训练。这决定了使用滑动窗口还是展开窗口。

前向验证对于模型的更新作用相关推荐

uvm 形式验证_6.小白学uvm验证 - 寄存器模型
写过 verilog 硬件代码的同学应该都知道 DUT 会包含很多寄存器,它们是模块间交互的接口,其用途大致可以分为两类: a. 通过读出寄存器当前的值获取 DUT 当前的状态,该类寄存器称为状态寄存 ...
详细前端面试题javascript篇--持续更新
最新前端面试题汇总大全(超详细含vue,react,css,js,webpack,性能优化等)–持续更新点击查看前端HTML篇前端CSS篇前端面试题js篇--持续更新 1. JS 数据类型 ?存 ...
机器学习中训练集、验证集和测试集的作用
通常,在训练有监督的机器学习模型的时候,会将数据划分为训练集.验证集合测试集,划分比例一般为0.6:0.2:0.2.对原始数据进行三个集合的划分,是为了能够选出效果(可以理解为准确率)最好的.泛化能力 ...
SpringBoot + Vue 前后端分离（用户信息更新头像上传Markdown图片上传）
文章目录前言用户信息更新前端发送后端接口修改用户头像前端前端图片显示图片上传完整代码后端代码图片存储图片上传工具类图片工具类的配置工具类实现效果 Markdown 图片 ...
R语言构建xgboost模型：xgb.cv函数交叉验证确定模型的最优子树个数（可视化交叉验证对数损失函数与xgboost模型子树个数的关系）、交叉验证获取最优子树之后构建最优xgboost模型
R语言构建xgboost模型:xgb.cv函数交叉验证确定模型的最优子树个数(可视化交叉验证对数损失函数与xgboost模型子树个数的关系).交叉验证获取最优子树之后构建最优xgboost模型目录
R语言使用比例-位置图（Scale-Location Plot）和Breusch-Pagan检验验证回归模型残差的同方差性（方差齐性）
R语言使用比例-位置图(Scale-Location Plot)和Breusch-Pagan检验验证回归模型残差的同方差性(方差齐性) 目录
购物车Demo,前端使用AngularJS,后端使用ASP.NET Web API(3)--Idetity,OWIN前后端验证
原文:购物车Demo,前端使用AngularJS,后端使用ASP.NET Web API(3)--Idetity,OWIN前后端验证 chsakell分享了前端使用AngularJS,后端使用ASP. ...
一套完整的基于随机森林的机器学习流程（特征选择、交叉验证、模型评估））...
机器学习实操(以随机森林为例) 为了展示随机森林的操作,我们用一套早期的前列腺癌和癌旁基因表达芯片数据集,包含102个样品(50个正常,52个肿瘤),2个分组和9021个变量 (基因).(https: ...
归纳偏置是什么？从现实生活中观察到的现象中归纳出一定的规则，然后对模型做一定的约束，从而可以起到“模型选择”的作用
归纳偏置在机器学习中是一种很微妙的概念:在机器学习中,很多学习算法经常会对学习的问题做一些假设,这些假设就称为归纳偏置(Inductive Bias). 归纳偏置这个译名可能不能很好地帮助理解,不妨拆 ...

前向验证对于模型的更新作用

向前验证

前向验证对于模型的更新作用相关推荐

最新文章

热门文章