시계열 예측을 자동화해야하며 해당 계열의 기능 (계절, 추세, 노이즈 등)을 미리 알지 못합니다.
내 목표는 각 시리즈에 가장 적합한 모델을 얻는 것이 아니라 매우 나쁜 모델을 피하는 것입니다. 다시 말해, 매번 작은 오류를 얻는 것은 문제가되지 않지만 가끔 큰 오류를 얻는 것은 문제가됩니다.
다른 기법으로 계산 된 모델을 결합하여이를 달성 할 수 있다고 생각했습니다.
즉, ARIMA가 특정 시리즈에 가장 적합한 방법이지만 다른 시리즈에 가장 적합하지 않을 수도 있습니다. 지수 평활에 대해서도 동일합니다.
그러나 각 기법에서 하나의 모델을 결합하면 한 모델이 좋지 않더라도 다른 모델은 추정치를 실제 값에 더 가깝게 만듭니다.
ARIMA는 장기적으로 잘 작동하는 시리즈에서 더 잘 작동하는 반면 지수 평활은 단기적으로 노이즈가 많은 시리즈에서 두드러집니다.
- 내 생각은보다 강력한 예측을 얻기 위해 두 기술에서 생성 된 모델을 결합하는 것입니다.
이러한 모델을 결합하는 방법에는 여러 가지가있을 수 있습니다.
- 이것이 좋은 접근 방법이라면 어떻게 결합해야합니까?
간단한 예측 평균은 옵션이지만 모델의 양호도에 따라 평균에 가중치를 부여하면 더 나은 예측을 얻을 수 있습니다.
- 모형을 결합 할 때 분산 처리는 무엇입니까?