validation - 验证多线性回归时间序列的替代方法
问题描述
我正在使用多元线性回归进行零售销售量预测。由于实际问题,我不能使用 ARIMA 或神经网络。
我将历史数据分成训练集和验证集。在这一点上,使用前向验证方法在计算上会非常昂贵。我必须将当前日期之前的 x 周作为我的验证集。x 之前的时间序列是我的训练集。我注意到这种方法的问题是,与未来的预测相比,验证期间的准确性要高得多。也就是说,我们离训练期结束越远,预测/预测的准确性就越低。我怎样才能最好地控制这个问题?
也许较小的验证期将使培训期更接近当前日期,从而提供更准确的预测;但这损害了验证的价值。
另一个想法是在训练期间作弊并提供训练和验证历史数据。由于我没有使用神经网络,因此所选算法不应过度拟合。如果这个假设不正确,请纠正我。
任何其他想法或解决方案都将受到欢迎。
谢谢
问候,
阿德尔
解决方案
如果您不使用 ARIMA 或 DNN,如何使用滚动回归窗口来训练和测试历史数据?
推荐阅读
- prometheus - Prometheus Operator - 启用 Istio 监控时 OOM 被杀死
- php - 注意:未定义索引:在我的 PHP 中的第 36 和 37 行
- html - 引导卡内的引导表
- python - Pyomo 约束声明
- neuroscience - 在循环中使用'set cat with variables'
- javascript - Mongoose Group 以 15 秒为周期计数
- oop - 每次创建不同类的新对象时都会覆盖它
- python - 如何让 pandas read_csv 忽略部分引用值之间的分隔符?
- apache-kafka - 在集群启动并运行后向 __consumer_offsets 主题添加分区有什么副作用吗?
- batch-file - 批处理文件中的数学