【问题标题】:Cross validation of Time Series data: VAR model时间序列数据的交叉验证:VAR模型
【发布时间】:2020-07-20 07:29:41
【问题描述】:

我有为期 1 年的每周数据(包含 15 个预测变量)(52 个观察值)。 我打算将 Prophet 预测与 VAR 模型进行比较。

有没有办法对这两个模型进行交叉验证,尤其是 VAR。

谢谢

生命值

【问题讨论】:

  • 无响应。我想时间序列数据没有交叉验证>
  • 应该移到 CrossValidated Stackexchange

标签: python-3.x vector cross-validation facebook-prophet autoregressive-models


【解决方案1】:

预测原理与实践书籍here时间序列交叉验证的一个很好的解释

时间序列交叉验证是通过将训练数据拆分到某个时间点(通常在 2/3 或 4/5 之间)并使用剩余部分作为验证来完成的。然后在每一步将模型拟合到训练数据,进行样本外预测,存储该预测,并将下一个数据点添加到您的训练数据中。

因此,至少要在除单个数据点之外的所有训练数据上拟合训练模型,因为您将在最后一步将该单个数据点与模型预测的结果进行比较。然后,您可以对您的预测列表与实际值进行均方根或任何操作。通过这种方式,您可以测试您的模型在一段时间内与该数据集的拟合程度。

对于 Prophet,docs 列表是在 python 中实现它的简单方法。

对于 VAR,我不知道有什么简单的方法,除了循环训练数据进行预测,在每一步附加下一个时间戳,然后与验证数据进行比较。

【讨论】:

    猜你喜欢
    • 2020-05-30
    • 2018-03-23
    • 1970-01-01
    • 2018-10-10
    • 2019-01-28
    • 1970-01-01
    • 2016-12-06
    • 1970-01-01
    • 2016-02-28
    相关资源
    最近更新 更多