Prognose-engine aanroepen met BEST-algoritme en prognose samenvoegen
In dit onderwerp worden de technieken beschreven die worden gebruikt om de prognose-engine aan te roepen met behulp van BEST-algoritmen en de technieken voor Prognoses samenvoegen ingeschakeld. De geselecteerde technieken worden gebruikt om de resulterende prognose van één stap te combineren en te bepalen of het samenvoegen van de prognoses een betere nauwkeurigheid voor prognoses biedt.
Wanneer de optie Klassieke samenvoeging is geselecteerd, worden de volgende technieken gebruikt:
- Eenvoudig gemiddelde: Hiermee wordt het gemiddelde van de prognoses berekend.
- Getrimd gemiddelde: Filtert de waarde van de prognose in oplopende volgorde, verwijdert 'x' uiterste waarden (aan beide kanten) en berekent het gemiddelde. 'x' wordt gedefinieerd door de trimfactor.
- Winsorgemiddelde: Filtert de waarde van de prognose, vervangt de uiterste waarden 'x', (aan beide kanten) door 'x+1' en berekent het gemiddelde. 'x' wordt gedefinieerd door de Winsorfactor.
- Gewogen AIC: Hiermee wordt het gewicht voor de eerste 'x' beste AIC-waarden berekend.
De volgende optionele methoden voor meervoudige lineaire regressie (MLR) kunnen worden toegepast op het combineren van prognoses:
- MLR maakt gebruik van stochastic gradient descent (SGD) en de methode op basis van testgegevens:
- Wordt toegepast met willekeurige volgorde als 'Machinaal leren op basis van volledige gegevensset (in willekeurige volgorde)' is geselecteerd in de prognose-engine
- Wordt toegepast zonder willekeurige volgorde als 'Machinaal leren op basis van volledige gegevensset' is geselecteerd in de prognose-engine
- MLR met behulp van stochastic gradient descent (SGD) en de kruisvalidatiemethode wordt toegepast als 'Machinaal leren op basis van kruisvalidatie' is geselecteerd in de prognose-engine.
Met de MLR-technieken wordt een set gewichten (één voor elke prognose in een tijdsperiode, dat wil zeggen, één voor elk algoritme) als volgt berekend:
- Een beginset van gewichten en een assnijpunt (een onderliggend niveau dat niet is gerelateerd aan een prognose) instellen.
- Alle 'epoch'-gegevenspunten zoals gedefinieerd in de parameter voor de prognose-engine een aantal keer herhalen.
- Het gewicht van elk gegevenspunt in elke hoofdlus herberekenen met behulp van SGD. Het gewicht wordt aangepast aan de hand van een percentage van de één-stap-vooruit-prognose vermenigvuldigd met de waarneming. Het percentage wordt bepaald door het leertempo dat is gedefinieerd in de parameter voor de prognose-engine.
- De volgorde van de test- of opleidingsgegevens wordt willekeurig gemaakt voordat de gewichten worden berekend wanneer er willekeurige volgorde is aangevraagd (dat wil zeggen: beginwaarde willekeurig getal = 0).
NB: De samengevoegde opties kunnen niet tegelijkertijd worden gebruikt. Alle methoden kunnen worden opgenomen voor het samenvoegen van prognoses.