Previsioni conformi nella previsione delle serie temporali
Previsioni coerenti nella previsione delle serie temporali
Esplora il concetto di previsioni conformi applicato al campo delle previsioni di serie storiche e implementalo in Python
Considera il compito di prevedere i volumi delle chiamate in un call center. Le previsioni svolgono un ruolo primordiale, in quanto informano l’allocazione del budget e la pianificazione della forza lavoro (se ci si aspettano più chiamate, devono essere disponibili più operatori per rispondere).
Quindi costruiamo un modello di previsione e riportiamo che la prossima settimana il centro riceverà 2451 chiamate.
Ovviamente, con qualsiasi previsione futura ci sono degli errori e dell’incertezza. Ma come possiamo quantificarli?
La risposta logica è utilizzare gli intervalli di previsione. In questo modo possiamo riportare un intervallo di possibili valori futuri con un certo livello di confidenza.
- Esplorare le emozioni con l’Intelligenza Artificiale, OpenAI e l’Analisi Esplorativa dei Dati
- Sfruttare il potere di GPT in Slack con l’integrazione di React
- Python a Rust Sconfiggere 3 grandi ostacoli
Anche se ci sono molti metodi per il calcolo degli intervalli di previsione, non sono applicabili a tutti i modelli e spesso si basano su una particolare distribuzione.
Ciò comporta due problemi principali. Primo, l’ipotesi sulla distribuzione potrebbe non essere valida in determinati scenari. Secondo, potremmo essere limitati nella scelta delle tecniche di modellazione.
Ad esempio, non ci sono modi semplici per misurare gli intervalli di previsione per le reti neurali, ma questi modelli possono generare previsioni migliori.
Ecco dove entrano in gioco le previsioni conformi. Rappresentano un metodo per quantificare l’incertezza nelle previsioni che è sia indipendente dal modellamento che dalla distribuzione.
In questo articolo, esploreremo prima l’idea generale delle previsioni conformi e scopriremo il metodo EnbPI per la previsione delle serie storiche. Infine, lo applicheremo in un breve esercizio di previsione.
Scopri le ultime tecniche di analisi delle serie storiche con il mio foglio di riferimento gratuito sulle serie storiche in Python! Ottieni l’implementazione di tecniche statistiche e di deep learning, tutto in Python e TensorFlow!
Cominciamo!
