ScholarGate
دستیار
Process / pipelineForecast evaluation

اعتبارسنجی متقابل سری‌های زمانی (پنجره غلتان/گسترش‌یابنده)

اعتبارسنجی متقابل سری‌های زمانی یک رویه بازنمونه‌گیری است که برای داده‌های دارای ترتیب متوالی طراحی شده است. به جای تقسیم تصادفی مشاهدات — که ساختار زمانی را از بین می‌برد و منجر به نشت داده می‌شود — این روش مبدأ پیش‌بینی را یک گام به جلو می‌برد، مدلی را بر روی تمام داده‌های گذشته تا آن مبدأ برازش می‌دهد و آن را در دوره بلافاصله بعدی خارج از نمونه ارزیابی می‌کند. اقتصاددانان، تحلیلگران مالی و هواشناسان هر زمان که تخمین صادقانه و واقع‌بینانه عملیاتی از دقت پیش‌بینی برای یک فرآیند مرتب شده زمانی مورد نیاز باشد، از آن استفاده می‌کنند.

به‌کارگیری با EconMindبه‌زودیویدیوبه‌زودیDownload slides

مطالعهٔ کامل روش

ویژهٔ اعضا

برای خواندن این بخش با حساب رایگان وارد شوید.

ورود

Method map

The neighbourhood of related methods — select a node to explore.

منابع

  1. Bergmeir, C., & Benítez, J. M. (2012). On the use of cross-validation for time series predictor evaluation. Information Sciences, 191, 192–213. DOI: 10.1016/j.ins.2011.12.028

نحوهٔ استناد به این صفحه

ScholarGate. (2026, June 2). Time-Series Cross-Validation (Rolling/Expanding Window). ScholarGate. https://scholargate.app/fa/econometrics/ts-cross-validation

Which method?

Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.

Compare side by side

ارجاع‌شده در

ScholarGateTime-Series Cross-Validation (Time-Series Cross-Validation (Rolling/Expanding Window)). بازیابی‌شده در 2026-06-15 از https://scholargate.app/fa/econometrics/ts-cross-validation · مجموعه‌داده: https://doi.org/10.5281/zenodo.20539026