Conformal Prediction pour la prévision de séries temporelles
La prédiction conforme est un wrapper sans distribution qui transforme n'importe quel prévisionniste ponctuel — ARIMA, un réseau neuronal, ou un modèle d'apprentissage automatique — en intervalles de prévision valides en utilisant uniquement ses résidus. La forme pour séries temporelles a été popularisée par Xu & Xie (2021) et le traitement didactique moderne par Angelopoulos & Bates (2023).
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
Sources
- Angelopoulos, A. N. & Bates, S. (2023). Conformal Prediction: A Gentle Introduction. Foundations and Trends in Machine Learning, 16(4), 494-591. DOI: 10.1561/2200000101 ↗
- Xu, C. & Xie, Y. (2021). Conformal Prediction Interval for Dynamic Time-Series. International Conference on Machine Learning (ICML). link ↗
Comment citer cette page
ScholarGate. (2026, June 1). Conformal Prediction for Time-Series Forecasting. ScholarGate. https://scholargate.app/fr/econometrics/conformal-prediction-ts
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.
- Modèle ARIMA (Autoregressive Integrated Moving Average)Économétrie↔ compare
- Gradient BoostingApprentissage automatique↔ compare
- Régression par Moindres Carrés Ordinaires (MCO)Économétrie↔ compare
- Régression quantileÉconométrie↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →