Конформное прогнозирование для временных рядов
Конформное прогнозирование — это непараметрическая оболочка, которая преобразует любой точечный прогнозатор (ARIMA, нейронную сеть или модель машинного обучения) в валидные прогностические интервалы, используя только его остатки. Форма для временных рядов была популяризирована Xu & Xie (2021), а современное учебное изложение — Angelopoulos & Bates (2023).
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Карта метода
Окружение родственных методов — выберите узел, чтобы перейти к нему.
Источники
- 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 ↗
Как цитировать эту страницу
ScholarGate. (2026, June 1). Conformal Prediction for Time-Series Forecasting. ScholarGate. https://scholargate.app/ru/econometrics/conformal-prediction-ts
Какой метод?
Поставьте этот метод рядом с ближайшими родственными и прочитайте их бок о бок — библиотека выкладывает книги на стол, а выбор за вами.
- Модель ARIMA (авторегрессионная интегрированная скользящая средняя)Эконометрика↔ сравнить
- Градиентный бустингМашинное обучение↔ сравнить
- Регрессия методом обыкновенных наименьших квадратов (ОНМК)Эконометрика↔ сравнить
- Квантильная регрессияЭконометрика↔ сравнить
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →