如何解决使用 NNETAR 和 BRNN 的集成机器学习模型
我使用 forecast
包预测变量 Y
的每日时间序列,使用其滞后值和外部参数 X
的时间序列。我发现 nnetar
模型(NARX 模型)在整体性能方面是最好的。然而,尽管我尝试了各种参数调整,但还是无法很好地预测时间序列的峰值。
然后我提取了 Y
的峰值(高于阈值)(当然这不再是常规时间序列)和相应的 X
值并尝试拟合回归模型(注意:不是自回归模型)使用 carat
包中的各种模型。我发现使用 brnn
(双向循环神经网络)模型仅使用 X
值预测峰值比使用滞后值和 X 值的 nnetar
更好。>
现在我的问题是我如何从这里开始创建这两个模型的样本(即,每当使用 brnn
回归模型(或任何其他回归模型)的预测更好时,我想使用 { 替换预测{1}} 并继续前进 - 我最关心的是峰值)?这是常用的方法吗?
解决方法
与其尝试选择一个在任何时候都表现出色的模型,通常最好对模型求平均值,以包含尽可能多的个人视图。 在我参与的实验中,我们试图根据历史表现选择一个表现优异的模型,结果通常表明简单的平均值同样好或更好。这与此问题的典型结果一致:https://otexts.com/fpp2/combinations.html
因此,在您尝试根据以前的性能选择特定模型或使用加权平均值来尝试更高级之前,请考虑对两个模型进行简单平均。
如果您想继续进行某种选择/加权平均,请尝试查看 R 中的 FFORMA 包:https://github.com/pmontman/fforma 我还没有尝试过特定的包(还),但在我使用原始 m4metalearning 包的测试中看到了有希望的结果。
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。