[공지사항]을 빙자한 안부와 근황 
Show more

Daily Arxiv

世界中で発行される人工知能関連の論文をまとめるページです。
このページはGoogle Geminiを活用して要約し、非営利で運営しています。
論文の著作権は著者および関連機関にあり、共有する際は出典を明記してください。

Time Series Forecastability Measures

Created by
  • Haebom

作者

Rui Wang、Steven Klee、Alexis Roos

概要

本稿では、時系列予測モデルを開発する前に、時系列の予測可能性を定量化するための2つの指標、すなわちスペクトル予測可能性スコアと最大Lyapunov指数を提案します。従来のモデル評価指標とは異なり、これらの指標は予測試行前にデータの固有の予測可能性特性を評価します。スペクトル予測可能性スコアは時系列の周波数成分の強度と規則性を評価するのに対し、Lyapunov指数はデータを生成するシステムのカオスと安定性を定量化します。 M5予測コンテストデータセットの合成と実際の時系列に対するこれらの指標の効果を評価した。研究の結果、これら2つの指標は時系列の固有の予測可能性を正確に反映し、さまざまなモデルの実際の予測性能と強い相関関係があることを示しています。

Takeaways、Limitations

•
Takeaways:
◦
モデル開発の前に、時系列の固有の予測可能性を評価できる新しい指標を提示します。
◦
スペクトル予測可能性スコアと最大Lyapunov指数を使用すると、予測可能性の高い時系列と低い時系列を区別できます。
◦
予測可能性の高い製品とサプライチェーンのレベルに焦点を当て、予測可能性の低い製品に対して適切な期待を設定したり、代替戦略を探すことができます。
◦
モデルの選択と予測戦略の確立に役立つ情報を提供します。
•
Limitations:
◦
提案された指標の一般化の可能性に関するさらなる研究が必要です。
◦
さまざまな種類の時系列の指標のパフォーマンスをより包括的に評価する必要があります。
◦
特定のデータセットに限定された結果である可能性があります。
◦
指標計算の計算の複雑さを考慮する必要があるかもしれません。
👍
Made with Slashpage