Компьютерные науки > Машинное обучение [представлено 23 октября 2026 года] Название: Модельно-агнитологическая предсказуемость количественного определения многовариантных временных рядов View PDF HTML (экспериментальный) Резюме: Многообразное прогнозирование временны́х рядов играет важную роль в различных областях, где прогнозы зависят от сложных взаимодействий коваратов. Модели прогнозирования, как правило, оцениваются в рамках многочисленных наборов исходных данных. Вместе с тем точность прогнозирования отражает как возможности моделирования, так и предсказуемость задач, что затрудняет определение сложности задачи независимо от используемой модели. Существующие показатели предсказуемости зачастую не позволяют охватить нелинейные зависимости или ограничиваются одноразовыми рядами. В этой работе мы предлагаем многовариантный прогнозируемый показатель (MAPS) - модельно-агностический метрик для измерения внутренней предсказуемости задач по прогнозированию многообразных временных рядов. MAPS использует ковариативную информацию для оценки предсказуемости по различным окнам и горизонтам прогнозирования, а также дает количественную оценку прогнозной информации, которая имеется для прогнозирования. Мы оцениваем MAPS в рамках наборов данных синтетического и реального прогнозирования по шести базовым показателям предсказуемости. Первый из них подтверждает, что наш метод тесно согласуется с ожидаемой прогнозируемостью исходных данных (r=0.963). Эмпирические результаты также…
Количественная оценка многовариантных временных рядов
arXiv: 261 030.33209v 1 Annualce Type: New Humber: Multiverable time series Provision играет важную роль в различных областях, где прогнозы зависят от сложных взаимодействий ковариантов. Модели прогнозирования, как правило, оцениваются в рамках многочисленных наборов исходных данных. Вместе с тем точность прогнозирования отражает как возможности моделирования, так и предсказуемость задач, что затрудняет определение сложности задачи независимо от используемой модели. Существующие показатели предсказуемости зачастую не позволяют охватить нелинейные зависимости или ограничиваются одноразовыми рядами. В этой работе мы предлагаем многовариантный прогнозируемый показатель (MAPS) - модельно-агностический метрик для измерения внутренней предсказуемости задач по прогнозированию многообразных временных рядов. MAPS использует ковариативную информацию для оценки предсказуемости по различным окнам и горизонтам прогнозирования, а также дает количественную оценку прогнозной информации, которая имеется для прогнозирования. Мы оцениваем MAPS по всему синтетику