Machine learning
DeepAR
DeepARは、Salinas、Flunkert、Gasthaus（2017年発表、2020年出版）によって導入されたAmazonの産業用予測モデルであり、各ステップで確率分布のパラメータを推定するために自己回帰型リカレントニューラルネットワークを使用し、単一の点予測ではなく信頼区間を生成します。1つのモデル内で多くの関連する時系列を共同でモデル化できます。
手法の全文を読む
会員限定
ログイン無料アカウントでログインすると、このセクションを読めます。
Method map
The neighbourhood of related methods — select a node to explore.
出典
- Salinas, D., Flunkert, V., Gasthaus, J. & Januschowski, T. (2020). DeepAR: Probabilistic Forecasting with Autoregressive Recurrent Networks. International Journal of Forecasting, 36(3), 1181–1191. DOI: 10.1016/j.ijforecast.2019.07.001 ↗
- Salinas, D., Flunkert, V. & Gasthaus, J. (2017). DeepAR: Probabilistic Forecasting with Autoregressive Recurrent Networks. arXiv:1704.04110. link ↗
このページの引用方法
ScholarGate. (2026, June 1). DeepAR: Probabilistic Forecasting with Autoregressive Recurrent Networks. ScholarGate. https://scholargate.app/ja/deep-learning/deepar
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.
- ARIMA（自己回帰和分移動平均）モデル計量経済学↔ compare
- 時系列予測のための conformal prediction計量経済学↔ compare
- N-HiTS深層学習↔ compare
- PatchTST深層学習↔ compare
- ランダムフォレスト機械学習↔ compare