Альтернативы для проверки временных рядов мультилинейной регрессии
Я использую мультилинейную регрессию для прогнозирования количества продаж в рознице. Из-за практических проблем я не могу использовать ARIMA или нейронные сети.
Я делю исторические данные на наборы поездов и проверок. На этом этапе использование метода валидации в вычислительном отношении было бы довольно затратным. Я должен взять x количество недель, предшествующих текущей дате, в качестве моего набора проверки. Временные ряды до x - это мой тренировочный набор. Проблема, которую я отмечаю с этим методом, заключается в том, что точность в течение периода проверки намного выше по сравнению с будущим прогнозом. То есть, чем дальше мы движемся от конца периода обучения, тем менее точным является прогноз / прогноз. Как лучше всего контролировать эту проблему?
Возможно, меньший период проверки позволит приблизить период обучения к текущей дате и, следовательно, даст более точный прогноз; но это вредит ценности проверки.
Другая мысль состоит в том, чтобы обманывать и предоставлять как тренировочные, так и проверочные исторические данные во время тренировок. Поскольку я не использую нейронные сети, выбранный алгоритм не должен быть переопределен. Пожалуйста, поправьте меня, если это предположение неверно.
Любые другие мысли или решения будут приветствоваться.
Спасибо
С Уважением,
Adeel
1 ответ
Если вы не используете ARIMA или DNN, как насчет использования скользящих окон регрессий для обучения и проверки исторических данных?