使用 BEST 算法和预测合并调用预测引擎

选中“经典合并”选项时，将使用以下技术：

• 简单平均值：计算预测的平均值
• 截断平均值：按升序对预测值排序，删除“x”极值（两端）并计算均值。“x”由剪裁系数定义。
• 缩尾平均值：对预测值进行排序，将极值“x”替换为“x+1”并计算均值。“x”由缩尾系数定义。
• 权重 AIC：计算第一个“x”最佳 AIC 值的权重。

这些可选的多元线性回归 (MLR) 技术可用于合并预测：

• 使用随机梯度下降 (SGD) 和培训测试方法的 MLR：
  • 如果在预测引擎中选择了“机器学习完整数据集随机选择”，则使用随机应用。
  • 如果在预测引擎中选择了“机器学习完整数据集”，则不使用随机应用。
• 如果在预测引擎中选择了“机器学习交叉验证”，则使用随机梯度下降 (SGD) 和交叉验证方法进行 MLR。

MLR 技术按如下方式计算一组权重（一个时间期段内每个预测一个权重，即每个算法一个权重）：

• 设置一组初始权重和截距（与任何预测无关的基础级别）。
• 根据预测引擎参数中定义的次数，循环遍历所有“Epoch”数据点。
• 使用 SGD 重新计算每个主循环中每个数据点的权重。因此，权重是通过考虑提前一步预测的百分比乘以观察值来调整的。该百分比由预测引擎参数中定义的学习比率确定。
• 当要求随机化时（即随机数种子 = 0），计算重量之前将测试或培训数据的顺序随机化。