Predizione conforme per previsioni di serie temporali
La predizione conforme è un wrapper indipendente dalla distribuzione che trasforma qualsiasi previsore puntuale — ARIMA, una rete neurale o un modello di machine learning — in intervalli di predizione validi utilizzando solo i suoi residui. La forma per serie temporali è stata resa popolare da Xu & Xie (2021) e il moderno trattamento tutoriale da Angelopoulos & Bates (2023).
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
Fonti
- 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 ↗
Come citare questa pagina
ScholarGate. (2026, June 1). Conformal Prediction for Time-Series Forecasting. ScholarGate. https://scholargate.app/it/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.
- Modello ARIMA (Autoregressive Integrated Moving Average)Econometria↔ compare
- Gradient BoostingApprendimento automatico↔ compare
- Regression with Ordinary Least Squares (OLS)Econometria↔ compare
- Regressione quantilicaEconometria↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →