Предисловие: от прогнозов до решений

arXiv:2503.04956v3 Annuales Type: заменить резюме: прогнозы временных рядов широко используются для обоснования решений в условиях неуверенности. Во многих заявках эти решения предусматривают классификацию временных рядов на основе результатов, которые еще не были отмечены. В настоящем документе мы представляем Foreclassing - новую проблему машинного обучения, в которой классная маркировка временных рядов определяется как функция будущих наблюдений. Мы представляем математическую формулировку класса Fore Classing и устанавливаем несколько теоретических результатов, характеризующих эту проблему. Эти результаты отражают то, как дополнительная будущая информация влияет на риск классификации Байеса, определяют границы классификационной ошибки изученных моделей классификаций и демонстрируют, каким образом будущие наблюдения, используемые в ходе подготовки кадров, могут привести к окончательной доработке выборки по сравнению с обычными классификациями. В качестве ориентира для будущих исследований мы предлагаем ForeClassNet - семейство нейронных сетевых моделей, которые совместно выполняют прогнозирование и классификацию при ас