การพยากรณ์แบบคอนฟอร์มอลสำหรับอนุกรมเวลา
การพยากรณ์แบบคอนฟอร์มอล (Conformal prediction) เป็นวิธีการห่อหุ้ม (wrapper) ที่ไม่ขึ้นกับการแจกแจง (distribution-free) ซึ่งเปลี่ยนตัวพยากรณ์แบบจุด (point forecaster) ใด ๆ ไม่ว่าจะเป็น ARIMA, โครงข่ายประสาทเทียม หรือแบบจำลองการเรียนรู้ของเครื่อง ให้กลายเป็นช่วงการพยากรณ์ที่ถูกต้อง โดยใช้เพียงแค่ค่าคลาดเคลื่อน (residuals) ของแบบจำลองเท่านั้น รูปแบบสำหรับอนุกรมเวลาได้รับความนิยมจาก Xu & Xie (2021) และการอธิบายเชิงแนะนำที่ทันสมัยโดย Angelopoulos & Bates (2023)
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- 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 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 1). Conformal Prediction for Time-Series Forecasting. ScholarGate. https://scholargate.app/th/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.
- แบบจำลอง ARIMA (Autoregressive Integrated Moving Average)เศรษฐมิติ↔ compare
- การเสริมกำลังไล่ระดับการเรียนรู้ของเครื่อง↔ compare
- การถดถอยกำลังสองน้อยที่สุดสามัญ (OLS)เศรษฐมิติ↔ compare
- การถดถอยควอนไทล์เศรษฐมิติ↔ compare