Szeregi czasowe - kalibracja parametrów

Wprowadzenie

Każdy model statystyczny lub uczenia maszynowego ma pewne parametry, które mają duży wpływ na sposób modelowania danych. Na przykład ARIMA ma wartości p, d, q. Parametry te należy wybrać w taki sposób, aby błąd między wartościami rzeczywistymi i modelowanymi był minimalny. Uważa się, że kalibracja parametrów jest najważniejszym i najbardziej czasochłonnym zadaniem dopasowania modelu. Dlatego bardzo ważny jest dla nas dobór optymalnych parametrów.

Metody kalibracji parametrów

Istnieje wiele sposobów kalibracji parametrów. W tej części omówiono szczegółowo niektóre z nich.

Uderz i spróbuj

Jednym z powszechnych sposobów kalibracji modeli jest kalibracja ręczna, w której zaczynasz od wizualizacji szeregów czasowych i intuicyjnie wypróbowujesz niektóre wartości parametrów i zmieniasz je w kółko, aż osiągniesz wystarczająco dobre dopasowanie. Wymaga dobrego zrozumienia modelu, który próbujemy. W przypadku modelu ARIMA kalibracja ręczna jest wykonywana za pomocą wykresu autokorelacji dla parametru `` p '', wykresu częściowej autokorelacji dla parametru `` q '' i testu ADF w celu potwierdzenia stacjonarności szeregów czasowych i ustawienia parametru `` d '' . Omówimy to szczegółowo w kolejnych rozdziałach.

Wyszukiwanie siatki

Innym sposobem kalibracji modeli jest przeszukiwanie siatki, co zasadniczo oznacza próbę zbudowania modelu dla wszystkich możliwych kombinacji parametrów i wybranie tego z minimalnym błędem. Jest to czasochłonne i dlatego jest przydatne, gdy liczba parametrów do kalibracji i zakres wartości, które przyjmują, są mniejsze, ponieważ wymaga to wielu zagnieżdżonych pętli for.

Algorytm genetyczny

Algorytm genetyczny działa na biologicznej zasadzie, że dobre rozwiązanie ostatecznie przekształci się w najbardziej „optymalne” rozwiązanie. Wykorzystuje biologiczne operacje mutacji, krzyżowania i selekcji, aby ostatecznie dojść do optymalnego rozwiązania.

Aby uzyskać więcej informacji, możesz przeczytać o innych technikach optymalizacji parametrów, takich jak optymalizacja bayesowska i optymalizacja roju.