Previsioni locali vs globali ciò che devi sapere
Local vs global forecasts what you need to know
Confronto tra approcci locali e globali per la previsione delle serie temporali, con una dimostrazione in Python utilizzando LightGBM e il dataset del turismo australiano.
Per passare all’esempio in Python, clicca qui!
Cos’è la previsione locale?
La previsione locale è l’approccio tradizionale in cui si addestra un modello predittivo per ogni serie temporale in modo indipendente. I modelli statistici classici (come l’ottimizzazione esponenziale, ARIMA, TBATS, ecc.) utilizzano tipicamente questo approccio, ma può essere utilizzato anche da modelli di machine learning standard tramite una fase di ingegneria delle feature.
La previsione locale ha dei vantaggi:
- È intuitiva da capire e implementare.
- Ogni modello può essere modificato separatamente.
Ma ha anche delle limitazioni:
- Attaccare i modelli di linguaggio di grandi dimensioni LLMOps e sicurezza
- 3 Domande Perfezionare la percezione e la mappatura dei robot
- Question answering visiva modulare tramite generazione di codice
- Soffre del problema del “cold-start”: richiede una quantità relativamente grande di dati storici per ogni serie temporale per stimare i parametri del modello in modo affidabile. Inoltre, rende impossibile prevedere nuovi obiettivi, come la domanda di un nuovo prodotto.
- Non può catturare le similarità e le dipendenze tra le serie temporali correlate, come le relazioni trasversali o gerarchiche.
- È difficile scalare a grandi dataset con molte serie temporali, poiché richiede l’adattamento e il mantenimento di un modello separato per ogni obiettivo.
Cos’è la previsione globale?
La previsione globale è un approccio più moderno, in cui vengono utilizzate più serie temporali per addestrare un singolo modello predittivo “globale”. In questo modo, si dispone di un set di addestramento più ampio e si possono sfruttare strutture comuni tra gli obiettivi per apprendere relazioni complesse, portando infine a previsioni migliori.
La creazione di un modello di previsione globale di solito comporta una fase di ingegneria delle feature per costruire caratteristiche come:
- Valori ritardati dell’obiettivo
- Statistiche dell’obiettivo su finestre temporali (ad esempio…
