Predykcja konforemna dla prognozowania szeregów czasowych
Predykcja konforemna jest niezależnym od rozkładu opakowaniem, które przekształca dowolny predyktor punktowy — ARIMA, sieć neuronową lub model uczenia maszynowego — w poprawne przedziały predykcyjne, wykorzystując jedynie jego reszty. Wersja dla szeregów czasowych została spopularyzowana przez Xu & Xie (2021), a współczesne ujęcie w formie tutorialu przez Angelopoulosa & Batesa (2023).
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
Źródła
- 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 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 1). Conformal Prediction for Time-Series Forecasting. ScholarGate. https://scholargate.app/pl/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.
- Model ARIMA (Autoregressive Integrated Moving Average)Ekonometria↔ compare
- Gradient BoostingUczenie maszynowe↔ compare
- Regresja metodą najmniejszych kwadratów (OLS)Ekonometria↔ compare
- Regresja kwantylowaEkonometria↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →