Regression model
시계열 예측을 위한 Conformal Prediction
Conformal prediction은 분포에 구애받지 않는 래퍼(wrapper)로, ARIMA, 신경망 또는 머신러닝 모델과 같은 모든 점 예측기(point forecaster)를 잔차(residual)만을 사용하여 유효한 예측 구간으로 변환합니다. 시계열 형태는 Xu & Xie (2021)에 의해 대중화되었고, Angelopoulos & Bates (2023)에 의해 현대적인 튜토리얼 방식으로 다루어졌습니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
방법 지도
관련 방법들로 이루어진 인접 영역 — 노드를 선택해 살펴보세요.
출처
- 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 ↗
이 페이지 인용 방법
ScholarGate. (2026, June 1). Conformal Prediction for Time-Series Forecasting. ScholarGate. https://scholargate.app/ko/econometrics/conformal-prediction-ts
어떤 방법일까요?
이 방법을 가장 가까운 동류의 방법들과 나란히 놓고 비교해 보세요 — 라이브러리는 책을 펼쳐 놓을 뿐, 선택은 여러분의 몫입니다.
- ARIMA (Autoregressive Integrated Moving Average) 모형계량경제학↔ 비교
- 그래디언트 부스팅머신러닝↔ 비교
- 최소제곱법(OLS) 회귀계량경제학↔ 비교
- 조건부 분위수 회귀계량경제학↔ 비교