时间戳

首页 > 解决方案 > 使用 NNETAR 和 BRNN 的集成机器学习模型

r - 使用 NNETAR 和 BRNN 的集成机器学习模型

问题描述

我使用该软件包使用其滞后值和外部参数的时间序列forecast来预测变量的每日时间序列。我发现模型（NARX 模型）在整体性能方面是最好的。然而，尽管我尝试了各种参数调整，但我无法很好地预测时间序列的峰值。YXnnetar

Y然后我提取了（当然这不再是常规时间序列）的峰值（高于阈值）和相应X的值，并尝试使用carat包中的各种模型拟合回归模型（注意：不是自回归模型）。我发现brnn仅使用值的（双向递归神经网络）模型对峰值的预测X优于 nnetar同时使用滞后值和 X 值的模型。

现在我的问题是我如何从这里创建这两个模型的样本（即，每当使用brnn回归模型（或任何其他回归模型）的预测更好时，我想替换预测nnetar并继续前进 - 我最关心的是峰）？这是一种常用的方法吗？

标签： rneural-networkforecastensemble-learning

解决方案

与其尝试选择一个在任何时候都表现出色的模型，不如对模型进行平均，以包含尽可能多的单个视图。在我参与的实验中，我们试图根据历史表现选择一个表现出色的模型，通常表明简单的平均值同样好或更好。这符合这个问题的典型结果：https ://otexts.com/fpp2/combinations.html

因此，在您尝试通过尝试根据之前的性能选择特定模型或使用加权平均值来尝试更高级之前，请考虑对两个模型进行简单的平均。

如果您想继续进行某种选择/加权平均，请尝试查看 R 中的 FFORMA 包：https ://github.com/pmontman/fforma 我还没有尝试过特定的包，但是在我使用原始 m4metalearning 包的测试中看到了有希望的结果。

推荐阅读